期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LSTM-BO和SPRT的风电机组故障演化过程分析 被引量：6
1
作者 冯晨龙 刘超 蒋东翔 《风机技术》 2023年第2期76-84,共9页
有效挖掘故障演化的过程有利于分析和总结故障传播规律。本文提出了基于LSTM-BO模型和SPRT算法,利用SCADA历史数据研究风电机组早期故障演化过程的分析方法。首先使用Pearson相关系数法挖掘SCADA数据各监测变量之间的映射关系,获得LSTM... 有效挖掘故障演化的过程有利于分析和总结故障传播规律。本文提出了基于LSTM-BO模型和SPRT算法,利用SCADA历史数据研究风电机组早期故障演化过程的分析方法。首先使用Pearson相关系数法挖掘SCADA数据各监测变量之间的映射关系,获得LSTM-BO网络所需的输入—输出关系对;其次是依赖LSTM网络强大的时序特征提取能力,将预处理后的SCADA数据送入LSTM网络进行训练,从而得到相应的正常行为模型;最后,依赖SPRT在序贯测试方面的优势,将各监测变量模型预测值与实际监测值之间的偏差看作序贯测试的对象,并对其测试结果进行滑动窗口观测,以异常点数目占观测窗口宽度的比值为度量指标,得到SCADA数据部分重要监测变量在故障发生前的演化过程。实例分析结果表明,所提方法能够有效提取故障演化的过程,为后续演化规律的分析提供指导。 展开更多
关键词 风电机组 SCADA 故障演化 lstm-bo SPRT
在线阅读 下载PDF
基于BO-LSTM的天然气处理厂负荷率预测模型 被引量：3
2
作者 刘行 王秋晨 +2 位作者 文韵豪 王艺 巴玺立 《天然气与石油》 2023年第5期122-130,共9页
为优化天然气处理厂生产计划,弥补天然气处理厂负荷率预测模型的空缺,提出一种基于贝叶斯优化(Bayesian Optimization,BO)和长短期记忆(Long Short-Term Memory,LSTM)的天然气处理厂负荷率预测模型。LSTM模型用于捕捉因检修天数和日处... 为优化天然气处理厂生产计划,弥补天然气处理厂负荷率预测模型的空缺,提出一种基于贝叶斯优化(Bayesian Optimization,BO)和长短期记忆(Long Short-Term Memory,LSTM)的天然气处理厂负荷率预测模型。LSTM模型用于捕捉因检修天数和日处理量等因素引起的时间特征,贝叶斯算法用于优化LSTM网络的结构、隐藏层层数、隐藏层神经元个数、初始学习率和正则化系数,弥补参数造成预测波动的缺陷。选取波动型和平稳型天然气处理厂负荷率对不同模型测试,结果表明,LSTM模型较其他传统预测模型的预测精度高。BO-LSTM模型的预测平均绝对误差(MAE)值和均方根误差(RMSE)值均最小,预测精度最高,通用性强,较传统LSTM模型的MAE和RMSE值可提高57.8%和30.1%。天然气处理厂负荷率预测模型可为天然气处理厂的生产运行和决策提供数据支撑,具有稳定的预测精度和适应性。 展开更多
关键词 天然气处理厂 负荷率预测 BO-LSTM 超参数
在线阅读 下载PDF
基于PSO-VMD-LSTM模型的城市轨道交通短期客流预测
3
作者 张婉凝 郑明明 刘岩 《山东交通学院学报》 CAS 2023年第4期43-50,共8页
为减少噪声对客流预测模型的干扰,采用粒子群优化(particle swarm optimization,PSO)算法确定变分模态分解(variational mode decomposition,VMD)的参数,通过PSO算法优化的VMD对原始客流序列进行降噪处理,将客流数据分解为不同时间尺度... 为减少噪声对客流预测模型的干扰,采用粒子群优化(particle swarm optimization,PSO)算法确定变分模态分解(variational mode decomposition,VMD)的参数,通过PSO算法优化的VMD对原始客流序列进行降噪处理,将客流数据分解为不同时间尺度下的本征模态函数(intrinsic mode function,IMF)和余量;采用贝叶斯优化(Bayesian optimization,BO)算法确定长短期记忆(long short term memory,LSTM)神经网络的超参数,构建PSO-VMD-LSTM客流预测模型。以重庆轨道交通1号线沙坪坝站客流数据为例,验证模型的预测准确度。结果表明:PSO-VMD-LSTM模型的均方根误差比反向传播(back propagation,BP)神经网络、径向基函数(radial basis function,RBF)神经网络、LSTM神经网络分别降低268.03、204.41、221.66,平均绝对百分误差分别降低13.16%、10.21%、11.06%。PSO-VMD-LSTM模型对轨道交通短期客流预测具有较高的适用性和预测准确度。 展开更多
关键词 客流预测 PSO算法 VMD BO算法 LSTM神经网络
在线阅读 下载PDF
基于BO-Adam-Bi-LSTM的盾构下穿既有隧道变形预测及调控 被引量：1
4
作者 张明书 姚琛 +3 位作者 吴贤国 陈虹宇 冯宗宝 杨赛 《现代隧道技术》 CSCD 北大核心 2024年第6期92-99,110,共9页
针对盾构隧道下穿施工诱发既有隧道变形和安全控制的问题,设计一种基于深度学习的既有隧道变形预测模型以捕捉变形发展规律。使用Adam算法优化双向长短期记忆网络(Bi-LSTM),采用贝叶斯优化(BO)调参,建立基于BO-Adam-Bi-LSTM的盾构下穿... 针对盾构隧道下穿施工诱发既有隧道变形和安全控制的问题,设计一种基于深度学习的既有隧道变形预测模型以捕捉变形发展规律。使用Adam算法优化双向长短期记忆网络(Bi-LSTM),采用贝叶斯优化(BO)调参,建立基于BO-Adam-Bi-LSTM的盾构下穿既有隧道变形预测模型,并与其他神经网络模型的预测结果进行对比;利用SHAP提高模型的可解释性,确定关键施工参数。结果表明:建立的BO-Adam-Bi-LSTM变形预测模型具有较高的预测精度,预测水平位移与竖向位移时,其测试集R2分别为0.935、0.924,均方根误差RMSE分别为0.504、0.903,平均绝对误差MAE分别为0.415、0.824;采用SHAP方法发现盾构土舱压力对既有隧道水平变形预测结果的影响较大。通过调整对模型预测结果贡献度较大的几个参数,可以有效地将隧道变形值控制在预警范围内。 展开更多
关键词 既有隧道 变形预测 安全控制 BO-Adam-Bi-LSTM SHAP
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部