期刊文献+
共找到233篇文章
< 1 2 12 >
每页显示 20 50 100
Prophetstor携手Red Hat扩展OpenStack存储模块
1
《办公自动化》 2014年第23期18-18,共1页
软件定义存储(SDS)厂商ProphetStor希智数据宣布加人Red Hat OpenStack云基础架构合作伙伴网络,为Red Hat Enter—prise Linux OpenStack平台提供集成的ProphetStor Federator SDS解决方案。RedHat全球技术生态系统高级总监Mike Wer... 软件定义存储(SDS)厂商ProphetStor希智数据宣布加人Red Hat OpenStack云基础架构合作伙伴网络,为Red Hat Enter—prise Linux OpenStack平台提供集成的ProphetStor Federator SDS解决方案。RedHat全球技术生态系统高级总监Mike Werner表示:“我们很高兴Prophet—Stor希智数据加人Red Hat OpenStack云基础架构合作伙伴网络。 展开更多
关键词 REDHAT 存储模块 PROPHET 技术生态系统 合作伙伴 基础架构 ENTER Linux
在线阅读 下载PDF
基于多尺度二次特征提取的短期电力负荷预测模型
2
作者 李楠 金淳熙 +1 位作者 陶亮 黄亮 《电力系统保护与控制》 北大核心 2025年第19期114-126,共13页
为充分挖掘电力负荷固有多尺度特征(multi-scale feature,MSF)间的复杂时序关系,进一步提升电力负荷预测模型性能,特别是提升对节假日负荷预测的能力,提出了一种基于多尺度二次特征提取的短期电力负荷预测模型。首先,利用Prophet算法的... 为充分挖掘电力负荷固有多尺度特征(multi-scale feature,MSF)间的复杂时序关系,进一步提升电力负荷预测模型性能,特别是提升对节假日负荷预测的能力,提出了一种基于多尺度二次特征提取的短期电力负荷预测模型。首先,利用Prophet算法的拟合分解功能,获取不同尺度下的负荷数据分量,并与强相关的天气数据共同构建多元数据集。其次,采用改进的特征金字塔网络(improved feature pyramid network,IFPN)匹配负荷数据的多尺度特性,并设计了卷积特征增强模块强化对节假日特征的表达能力,实现MSF的第一次提取。基于时间卷积神经网络的优势,深度挖掘一次特征间的时序依赖关系,引入SENet对特征的权重实现自适应赋值,同时完成MSF的二次提取。最后,利用鱼鹰算法优化后的Transformer模型完成负荷预测。在国内外两套负荷数据集上进行了验证,仿真结果表明所提模型的预测效果优于对比模型,特别是在对节假日负荷的预测精度上有所提高。 展开更多
关键词 短期电力负荷预测 Prophet算法 二次特征提取 改进的特征金字塔网络 多尺度时间卷积网络
在线阅读 下载PDF
基于Prophet和NeuralProphet模型对北京市海淀区水痘发病趋势的预测
3
作者 韦懿芸 孙亚敏 +1 位作者 刘轩卓 杜婧 《传染病信息》 2025年第3期268-272,共5页
目的运用Prophet模型与NeuralProphet模型(NP模型)探索北京市海淀区水痘发病趋势和特征,为水痘疫情防控工作提供科学参考。方法数据来源于北京市海淀区2009年第1周至2024年第26周水痘报告发病数。采用2009—2023年的数据作为训练集,构建... 目的运用Prophet模型与NeuralProphet模型(NP模型)探索北京市海淀区水痘发病趋势和特征,为水痘疫情防控工作提供科学参考。方法数据来源于北京市海淀区2009年第1周至2024年第26周水痘报告发病数。采用2009—2023年的数据作为训练集,构建Prophet模型和NP模型,并运用Optuna算法对模型参数进行优化。以2024年的26周发病数据作为测试集,采用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)对各模型拟合效果进行评估。同时,对模型中的各成分进行分析。结果北京市海淀区水痘疫情每年有2个发病高峰。水痘发病数呈现逐年下降趋势,且模型中的自回归成分自2012年起波动逐渐减小。Prophet模型的RMSE、MAE和MAPE分别为9.489、7.936和27.408%;NP模型的对应指标分别为6.102、4.848和18.190%。结论Prophet模型在水痘流行趋势的预测中具有一定的适用性,而NP模型具有更高的预测性能。模型成分分析的结果,可以为评估措施效果、合理分配资源以及制定有效的防控策略提供科学依据和数据支撑。 展开更多
关键词 Prophet模型 NeuralProphet模型 水痘 预测
暂未订购
基于GHMM-LSTM模型的商品热度研究
4
作者 李银 王钇 《韶关学院学报》 2025年第5期1-6,共6页
随着电子商务规模的不断扩大,研究电商企业中商品热度的变化趋势和未来状态对于优化营销策略、库存管理和资源调配至关重要.首先基于淘宝展示广告点击率预估数据集的用户行为日志构建商品综合热度指标,接着利用熵权TOPSIS法横向分析各... 随着电子商务规模的不断扩大,研究电商企业中商品热度的变化趋势和未来状态对于优化营销策略、库存管理和资源调配至关重要.首先基于淘宝展示广告点击率预估数据集的用户行为日志构建商品综合热度指标,接着利用熵权TOPSIS法横向分析各商品的热度差异,并结合高斯隐马尔可夫模型(GHMM)纵向分析单个商品的热度序列变化,最后基于长短期记忆神经网络(LSTM)和时间序列预测模型(Prophet)进行对比预测商品热度变化.实证分析结果表明LSTM更适合商品热度的时间序列预测.研究可为电商提供有价值的分析方法,帮助电商更好地了解市场和用户行为,以优化运营策略. 展开更多
关键词 商品综合热度指数 熵权TOPSIS法 GHMM LSTM PROPHET
在线阅读 下载PDF
Judaism,Christianity,and Islam:Similarities and Differences
5
作者 Tina M.Allen-Abulhassan 《Cultural and Religious Studies》 2025年第8期465-478,共14页
This paper will explore the common origins and developments of Judaism,Christianity,and Islam,known as the Abrahamic faiths.Drawing on the references of F.E.Peters and Huston Smith,this paper examines how these tradit... This paper will explore the common origins and developments of Judaism,Christianity,and Islam,known as the Abrahamic faiths.Drawing on the references of F.E.Peters and Huston Smith,this paper examines how these traditions are unified by monotheism,reverence for sacred scripture,and ethical principles,yet dives in their historical narratives,interpretations of covenant,and worship practices.Spiritual figures such as Abraham,Moses,Jesus,and Muhammad are analyzed for their roles in shaping theology and guiding communities of faith.The study highlights the Torah,Bible,and Qur’an as sources of authority and identity,while comparing moral teachings and ritual expressions across the traditions.An emphasis is placed on the shared values and theological differences that have shaped both dialogue and conflict.Ultimately,the paper demonstrates how understanding these faiths together deepens insight into their enduring influence on culture,spirituality,and human history. 展开更多
关键词 Abrahamic faiths Bible COVENANT ethics MONOTHEISM Qur’an TORAH prophets sacred texts WORSHIP
在线阅读 下载PDF
基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测 被引量:1
6
作者 陈宇航 王渝红 +3 位作者 南璐 何川 王腾鑫 张敏 《现代电力》 北大核心 2025年第2期352-359,共8页
为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到... 为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到相似日集合,而后采用相似日数据对BP神经网络进行训练得到单点负荷值预测结果。其次,重点考虑历史数据的周期性和时序变化趋势,基于Prophet时序模型对历史负荷数据进行周期非线性拟合。通过历史数据拟合误差反馈,调整优化模型的关键超参数,最后基于误差倒数法组合得到短期负荷预测结果。以某地区电力负荷数据作为算例验证,结果表明所提的改进预测模型预测精度更高,且在克服历史数据缺失和拟合非工作日负荷曲线等方面具有优势。 展开更多
关键词 短期负荷预测 PROPHET 自组织映射-前馈 神经网络 时间序列
原文传递
2020—2040年中国5种亚型慢性肾病发病趋势预测研究 被引量:5
7
作者 王仕鸿 邓星妤 +5 位作者 曹汝岱 令垚 黄翠怡 欧阳栋 丁元林 于海兵 《中国全科医学》 北大核心 2025年第7期814-823,共10页
背景 慢性肾脏病(CKD)是我国乃至全球不可忽视的公共卫生问题。目前,国内关于不同亚型CKD发病趋势预测的相关研究鲜见报道。目的 预测2020—2040年中国5种亚型CKD的发病趋势,为CKD的防控提供参考。方法 2023年4—5月,收集全球疾病负担研... 背景 慢性肾脏病(CKD)是我国乃至全球不可忽视的公共卫生问题。目前,国内关于不同亚型CKD发病趋势预测的相关研究鲜见报道。目的 预测2020—2040年中国5种亚型CKD的发病趋势,为CKD的防控提供参考。方法 2023年4—5月,收集全球疾病负担研究(GBD)数据库1990—2019年我国5种亚型CKD的年龄标准化发病率(ASIR)和发病人数。采用变化率(%)和平均年度变化百分比(AAPC)描述和分析我国5种亚型CKD的发病现状。运用Prophet模型预测我国2020—2040年5种亚型CKD的ASIR和发病人数。结果 1990—2019年我国5种亚型CKD的ASIR和发病人数均呈现上升趋势,其中高血压肾病的上升趋势最为明显(AAPC=0.75,P<0.05)。2019年男性2型糖尿病肾病、1型糖尿病肾病、肾小球肾炎肾病和高血压肾病的ASIR和发病人数均高于女性,而女性其他类型肾病的ASIR和发病人数高于男性。2型糖尿病肾病、高血压肾病和其他类型肾病在65~74岁年龄组的发病人数较高。1型糖尿病肾病和肾小球肾炎肾病的发病人数多集中于<5岁年龄组。本研究预测结果表明,预计到2040年,2型糖尿病肾病的ASIR和发病人数分别为23.27/10^(5)(80%UI=20.64/10^(5)~26.08/10^(5))和755 375(80%UI=702 827~811 409)例,1型糖尿病肾病的ASIR和发病人数分别为0.60/10^(5)(80%UI=0.47/10^(5)~0.73/10^(5))和10 625(80%UI=9 519~11 787)例,肾小球肾炎肾病的ASIR和发病人数分别为3.88/10^(5)(80%UI=3.01/10^(5)~4.79/10^(5))和87 050(80%UI=74 470~100 460)例,高血压肾病的ASIR和发病人数分别为15.35/10^(5)(80%UI=13.53/10^(5)~17.29/10^(5))和470 214(80%UI=437 598~504 817)例,其他类型肾病的ASIR和发病人数分别为127.68/10^(5)(80%UI=102.41/10^(5)~154.68/10^(5))和3 901 317(80%UI=3 622 415~4 198 720)例。结论 1990—2019年我国5种亚型CKD的ASIR和发病人数均呈现上升趋势。2020—2040年中国2型糖尿病肾病、高血压肾病和其他类型肾病的ASIR和发病人数仍然呈现上升趋势,虽然1型糖尿病肾病和肾小球肾炎肾病的发病人数逐年增长,但总体的ASIR呈现下降趋势。未来应针对不同亚型的CKD制定相应的防控策略。 展开更多
关键词 肾功能不全 慢性 慢性肾病 发病率 趋势预测 中国 Prophet模型
暂未订购
适合西藏地区的归一化植被指数预测模型构建及验证
8
作者 孟慧美 吴凌霄 +1 位作者 宣越健 米玛旺堆 《气候与环境研究》 北大核心 2025年第2期199-211,共13页
基于差分自回归移动平均(ARIMA)方法、随机森林(RF)方法、Prophet方法构建适合西藏地区的归一化植被指数(Normalized Difference Vegetation Index,NDVI)预测模型,利用羊八井地区2000~2021年MODIS遥感NDVI数据进行了验证,结果表明:该地... 基于差分自回归移动平均(ARIMA)方法、随机森林(RF)方法、Prophet方法构建适合西藏地区的归一化植被指数(Normalized Difference Vegetation Index,NDVI)预测模型,利用羊八井地区2000~2021年MODIS遥感NDVI数据进行了验证,结果表明:该地区植被覆盖率总体呈现不明显减少趋势;3个预测模型中,RF预测精度最高,其归一化均方根误差、平均绝对百分比误差、决定系数,分别达到了6.92%、4.04%、0.9;小波变换方法能有效提高模型预测精度;组合模型可以提高预测精度,其中误差倒数权重组合模型优于平均权重和方差倒数加权组合模型。因此可以利用RF等机器学习方法结合小波变换、组合模型在西藏地区进行NDVI预测,为生态环境保护和农牧业生产决策提供科学指导。 展开更多
关键词 归一化植被指数(NDVI)预测模型 随机森林(RF)方法 差分自回归移动平均(ARIMA)方法 Prophet方法 小波变换
在线阅读 下载PDF
基于改进Prophet-LSTM-PSO的大坝异常数据检测模型
9
作者 葛大龙 丁勇 李登华 《中国安全科学学报》 北大核心 2025年第8期164-170,共7页
为提升大坝监测数据的异常检测性能,提出一种基于改进Prophet-长短期记忆(LSTM)-粒子群优化(PSO)的大坝异常数据检测模型。首先,通过改进Prophet法使得异常数据点位分解得到趋势分量特征;其次,将分解得到的趋势、周期和残差分量映射到... 为提升大坝监测数据的异常检测性能,提出一种基于改进Prophet-长短期记忆(LSTM)-粒子群优化(PSO)的大坝异常数据检测模型。首先,通过改进Prophet法使得异常数据点位分解得到趋势分量特征;其次,将分解得到的趋势、周期和残差分量映射到三维空间,以三维空间中近邻均值距离数据代替原始时序数据;最后,结合LSTM网络与PSO算法,设定与优化异常阈值,进而实现异常数据的精准识别。结果表明:相较于传统模型,该模型在检测效果上具有明显提升,且表现出较高的稳定性。在召回率稳定维持在95%以上的前提下,精确率与准确率均超过95%,验证了该方法的有效性与实用性。 展开更多
关键词 PROPHET 长短期记忆(LSTM) 粒子群优化(PSO) 异数据常检测 大坝监测数据
原文传递
基于SARIMA和Prophet模型的流行性感冒流行趋势预测与分析
10
作者 董贝贝 孙亚敏 +3 位作者 华伟玉 李梦瑶 何斌 刘锋 《首都公共卫生》 2025年第2期80-84,共5页
目的分析中国全国流感样病例(ILI)流感阳性率的变化趋势,比较季节性差分自回归移动平均模型(SARIMA)和Prophet模型的预测效果,为流感的防控提供科学依据。方法由于流感在中国南北方的流行特征具有差异,利用中国全国(以下简称全国)、南... 目的分析中国全国流感样病例(ILI)流感阳性率的变化趋势,比较季节性差分自回归移动平均模型(SARIMA)和Prophet模型的预测效果,为流感的防控提供科学依据。方法由于流感在中国南北方的流行特征具有差异,利用中国全国(以下简称全国)、南方地区和北方地区2015—2024年每周ILI的流感阳性率,构建SARIMA和Prophet模型进行预测,训练集为2015—2023年第1—52周数据,测试集为2024年第1—52周数据。使用平均绝对百分比误差(MAPE)评价预测效果。SARIMA模型采用AIC值确定参数,Prophet模型采用MAPE值确定最优参数。结果SARIMA模型对2025年全国ILI流感阳性率年度长期预测最好,MAPE为2.640%(南方:6.983%,北方:12.676%)。Prophet模型对全国ILI流感阳性率预测最好,MAPE为4.534%(南方:9.250%,北方:42.643%)。Prophet模型对2025年第1—10周全国流感阳性率预测MAPE为0.317%(SARIMA:0.483%)。结论SARIMA模型和Prophet模型预测各有优势,SARIMA在年度长期预测能力优于Prophet模型;在多周中长期预测能力劣于Prophet模型;在短期单点预测能力优于Prophet模型。 展开更多
关键词 流感样病例 流行性感冒 SARIMA模型 Prophet模型 预测
暂未订购
融合生成对抗网络与Prophet模型的NDVI时序重建方法
11
作者 李小虎 蔡宇 罗小波 《遥感信息》 北大核心 2025年第1期156-164,共9页
针对当前多数NDVI时序重建方法没有充分利用遥感数据中的时空信息,导致多云多雨地区NDVI数据长时间缺失时重建效果不佳的问题,提出一种融合GAN与Prophet模型,以及时空加权SG滤波的NDVI时序重建方法(GANP-SG)。通过将Prophet模型填补后的... 针对当前多数NDVI时序重建方法没有充分利用遥感数据中的时空信息,导致多云多雨地区NDVI数据长时间缺失时重建效果不佳的问题,提出一种融合GAN与Prophet模型,以及时空加权SG滤波的NDVI时序重建方法(GANP-SG)。通过将Prophet模型填补后的NDVI时间序列输入到用原始NDVI数据训练完成的GAN生成器中得到生成序列,再利用改进的时空加权SG迭代滤波对生成的时序数据进一步滤波去噪,得到高质量的NDVI时间序列。实验采用重庆市MOD13Q1数据,将GANP-SG方法与SG滤波法、AG法、HANTS法、STSG法进行了对比。通过定性定量的分析验证了GANP-SG方法的重建结果更符合各类植被的物候特征,空间效果保真度最好。另外,在处理NDVI长时间缺失问题时(缺失率达到90%),重建的相关系数仍大于0.6,RMSE和MAE均低于其他4种方法。 展开更多
关键词 NDVI时间序列 数据重建 GAN Prophet预测 时空信息 SG滤波
在线阅读 下载PDF
利用Prophet模型进行地下水位异常识别初探 被引量:1
12
作者 李永生 周晨 +2 位作者 张思萌 石伟 年华 《大地测量与地球动力学》 北大核心 2025年第3期313-318,共6页
针对地下水位数据的复杂特性(包括非线性趋势、季节性波动和随机扰动),引入Facebook开发的Prophet时间序列预测模型,旨在利用其非线性趋势捕捉、季节性波动解析及对异常值和数据缺失的灵活应对能力,显著提升地下水位异常识别的准确性。... 针对地下水位数据的复杂特性(包括非线性趋势、季节性波动和随机扰动),引入Facebook开发的Prophet时间序列预测模型,旨在利用其非线性趋势捕捉、季节性波动解析及对异常值和数据缺失的灵活应对能力,显著提升地下水位异常识别的准确性。黑龙江省绥化市北林区地震台观测数据表明,Prophet模型在捕捉时间序列动态特征上表现优越,能有效识别异常。模型调整后具有高拟合精度和高预测能力,预测误差低,决定系数高。此外,模型在地震预测中能识别出与地震相关的水位异常,可为地震前兆研究提供新视角。本文结果表明Prophet模型在处理复杂时间序列数据时具有可行性,可为地震预测提供新工具。 展开更多
关键词 地下水位异常识别 时间序列预测 Prophet模型 地震预测
在线阅读 下载PDF
Were the Miao Kings "Prophets of Renewal"? The Case of the 1795-1797 Hunan Miao Revolt 被引量:1
13
作者 Daniel McMahon 《Frontiers of History in China》 2017年第2期301-327,共27页
This essay considers the concept of "prophets of renewal" introduced by James Scott in The Art of Not Being Governed.. An Anarchist History of Upland Southeast Asia (2009), as seen in the context of the 1795-97 Mi... This essay considers the concept of "prophets of renewal" introduced by James Scott in The Art of Not Being Governed.. An Anarchist History of Upland Southeast Asia (2009), as seen in the context of the 1795-97 Miao revolt along China's Hunan-Guizhou border. The appearance ofa "Miao King" and four "Wu kings" centering anti-Qing resistance in an intractable highland--utilizing native legends, spirit possession, investment of officials, and multi-ethnic recruitment--suggests a case of"Zomia" (the vast Southeast Asian Massif) prophets in action, as Scott himself suggests. Closer examination, however, reveals a more complex and uncertain picture, characterized by division between rival lords and an overall dearth of institutional, ideological, or cosmological elaboration, all further obscured by a paucity of historical sources. The Miao kings might be seen as prophets of renewal in a general sense, but the fit is inexact. There is still value, however, in considering Scott's model in the study of this event. It enables a sharper conceptualization of the agency of the Miao people, while offering a case for comparison with analogous instances of religiously-based native resistance on other Qing frontiers. 展开更多
关键词 James Scott prophets of renewal Miao Frontier MIAO 1795-97 Hunan Miao revolt Miao King Wu King
原文传递
SARIMA与Prophet的混合算法在时间序列预测中的应用研究 被引量:1
14
作者 李长生 《软件》 2025年第1期7-9,共3页
本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在... 本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在零售、气象和金融市场等行业中的实验结果表明,混合算法在预测准确性上优于单一模型,误差率降低了15%以上。本文进一步探讨了混合算法的设计、优化和实际应用,为未来时间序列预测提供了新的思路和方法。 展开更多
关键词 时间序列预测 SARIMA模型 Prophet模型 混合算法 预测准确性
在线阅读 下载PDF
基于时间序列与机器学习的参考作物蒸散量预测研究
15
作者 曹睿喆 秦安振 《灌溉排水学报》 2025年第8期45-52,共8页
【目的】提高豫北地区参考作物蒸散量(ET0)预测模型的精度。【方法】利用2021—2022年新乡市历史气象数据和2023年天气预报数据(最高气温、最低气温、太阳辐射量、2 m风速和日照时间)建立Prophet模型、差分自回归移动平均模型(ARIMA)、... 【目的】提高豫北地区参考作物蒸散量(ET0)预测模型的精度。【方法】利用2021—2022年新乡市历史气象数据和2023年天气预报数据(最高气温、最低气温、太阳辐射量、2 m风速和日照时间)建立Prophet模型、差分自回归移动平均模型(ARIMA)、极限学习机(ELM)及混合ET0预测模型,并与FAO-56 Penman-Monteith模型的结果进行比较。【结果】最高气温(T_(max))、最低气温(T_(min))、辐射量(R_(a))和2 m风速(U2)与ET0的相关性较高,可作为模型的输入因子。Prophet模型和ARIMA模型的预测值与实际ET0的周期变化基本一致,能够较好地预测ET0的季节性和周期性变化。ET0≥5.5 mm/d时,模型拟合结果存在明显误差,难以识别ET0时间序列中的非平稳性与波动性。极限学习机(ELM)模型能够较好地拟合ET0的复杂非线性变化,精度较时间序列模型提高11%。时间序列模型与机器学习混合模型能够较好地吸收不同模型的优点,表现出较高的预测精度。其中,ELM-ARIMA混合模型在中期(1~10 d)ET0预报中的表现最好,平均绝对误差(MAE)、均方根误差(RMSE)和平均偏差误差(MBE)较单一模型降低64.5%、72.9%和65.6%;相关系数(R)较单一模型提高12.9%。【结论】ELM-ARIMA混合模型的ET0预测值与真实值的相关性最高,R 2达到0.945,可作为豫北地区ET0预测模型。 展开更多
关键词 数值天气预报 混合模型 Prophet模型 自回归移动平均模型
在线阅读 下载PDF
基于多尺度自适应时空图卷积网络与BERT模型的多节点短期负荷预测
16
作者 吴兴扬 戴剑丰 《电网技术》 北大核心 2025年第9期3756-3766,I0072-I0075,共15页
“双碳”目标旨在推动能源转型与减排,新型电力系统作为关键,促进清洁能源接入与利用,减碳效果显著。但其多元化负荷结构增大了预测难度。为应对“双碳”要求,解决新型电力系统中多节点负荷预测的复杂时空依赖性和非线性问题,文章提出... “双碳”目标旨在推动能源转型与减排,新型电力系统作为关键,促进清洁能源接入与利用,减碳效果显著。但其多元化负荷结构增大了预测难度。为应对“双碳”要求,解决新型电力系统中多节点负荷预测的复杂时空依赖性和非线性问题,文章提出了一种基于多尺度自适应时空图卷积网络(adaptive spatio-temporal graph convolutional network,ASTGCN)与基于Transformer的双边编码器表示(bidirectional encoder representations from transformers,BERT)模型的多节点短期负荷预测方法。首先,采用Prophet算法对负荷数据进行拟合分解,获取不同尺度下的负荷数据分量,并与强相关的天气数据共同构建多元数据集;其次,引入可膨胀的滑动时空窗口和时空图卷积算子构建ASTGCN,同时捕捉空间和时间上的复杂依赖关系,并引入BERT模型对时间序列数据进行编码,利用其强大的处理能力来捕捉负荷数据中的长期依赖性;最后,用门控融合网络对两个模型进行融合。基于美国纽约州的公开数据集进行测试,单日和单周的测试结果均表明所提模型不仅能有效挖掘节点的耦合特性,还能补充挖掘中长期时序特征,并显著提升预测精度,降低预测误差。 展开更多
关键词 Prophet算法 自适应时空图卷积网络 BERT 门控融合网络 多节点负荷预测
原文传递
基于多维融合特征提取和深度学习网络的短期负荷预测方法
17
作者 刘旭 《农村电气化》 2025年第2期1-5,共5页
传统的短期负荷预测方法未考虑节假日、用户端用电行为习惯等因素,导致负荷预测精度不高。为此,文章提出一种基于多维融合特征和深度学习网络的短期负荷预测优化方法,采用Prophet算法提取不同时间变量的用电负荷特征分量,结合天气数据... 传统的短期负荷预测方法未考虑节假日、用户端用电行为习惯等因素,导致负荷预测精度不高。为此,文章提出一种基于多维融合特征和深度学习网络的短期负荷预测优化方法,采用Prophet算法提取不同时间变量的用电负荷特征分量,结合天气数据进行基于注意力机制的融合特征重构,并采用CNN-GRU模型对融合特征进行训练,获得未来短期负荷预测值。实验结果表明,该方法能够有效提高短期用电负荷的预测精度,为电力系统后续调度工作提供支撑。 展开更多
关键词 短期负荷预测 融合特征 Prophet算法 CNN GRU
在线阅读 下载PDF
基于Prophet模型和Mann-Kendall(M-K)检验法预测2025年西昌市空气污染物浓度及变化趋势
18
作者 潘亚群 刘碧 +1 位作者 马波 王晓丽 《四川环境》 2025年第4期1-13,共13页
利用2015—2024年西昌市环境空气质量自动监测站的月度数据,基于Prophet模型和Mann-Kendall(M-K)时间趋势检验法预测2025年西昌市环境污染物浓度及变化趋势。通过Python编译Prophet模型来分析西昌市环境监测近10年的数据确定突变点,完... 利用2015—2024年西昌市环境空气质量自动监测站的月度数据,基于Prophet模型和Mann-Kendall(M-K)时间趋势检验法预测2025年西昌市环境污染物浓度及变化趋势。通过Python编译Prophet模型来分析西昌市环境监测近10年的数据确定突变点,完成西昌市2025年PM_(2.5)、PM_(10)、NO_(2)、SO_(2)、O_(3)、CO 6项污染物浓度预测,并采用均方根误差、可决系数及平均偏差误差等对模型拟合情况与预测值偏差情况进行相应评价。结果表明:Prophet模型可较为精准地对西昌市6项污染物浓度进行预测,进而预计2025年西昌市PM_(2.5)、PM_(10)、NO_(2)、SO_(2)、O_(3)、CO年均浓度分别为19.81、30.36、12.54、9.09、117.90μg/m^(3)、0.92mg/m^(3);SO_(2)、NO_(2)、CO、PM_(10)、PM_(2.5)浓度表现为冬春季节高、夏秋季节低;O_(3)浓度变化趋势与之相反。PM_(2.5)和O_(3)是目前影响西昌市空气质量的首要污染物。根据预测出的2025年数据,采用Mann-Kendall(M-K)时间趋势检验法分析西昌市2015—2025年间6项污染物的时间变化规律表明:2015年以来,SO_(2)、NO_(2)和CO年均浓度均呈显著下降趋势,PM_(10)、PM_(2.5)无显著趋势,O_(3)显著上升趋势。该研究揭示了西昌市环境空气质量变化趋势及2025年污染物浓度预测,以期为西昌市空气污染治理提供科学依据。 展开更多
关键词 空气污染物 预测 PROPHET Mann-Kendall(M-K)
在线阅读 下载PDF
Application of Bagging Ensemble Model for Fault Detection in Wireless Sensor Networks
19
作者 Rahul Prasad Baghel R K 《Journal of Harbin Institute of Technology(New Series)》 2025年第5期74-85,共12页
A Wireless Sensor Network(WSN)comprises a series of spatially distributed autonomous devices,each equipped with sophisticated sensors.These sensors play a crucial role in monitoring diverse environmental conditions su... A Wireless Sensor Network(WSN)comprises a series of spatially distributed autonomous devices,each equipped with sophisticated sensors.These sensors play a crucial role in monitoring diverse environmental conditions such as light intensity,air pressure,temperature,humidity,wind,etc.These sensors are generally deployed in harsh and hostile conditions;hence they suffer from different kinds of faults.However,identifying faults in WSN data remains a complex task,as existing fault detection methods,including centralized,distributed,and hybrid approaches,rely on the spatio⁃temporal correlation among sensor nodes.Moreover,existing techniques predominantly leverage classification⁃based machine learning methods to discern the fault state within WSN.In this paper,we propose a regression⁃based bagging method to detect the faults in the network.The proposed bagging method is consisted of GRU(Gated Recurrent Unit)and Prophet model.Bagging allows weak learners to combine efforts to outperform a strong learner,hence it is appropriate to use in WSN.The proposed bagging method was first trained at the base station,then they were deployed at each SN(Sensor Node).Most of the common faults in WSN,such as transient,intermittent and permanent faults,were considered.The validity of the proposed scheme was tested using a trusted online published dataset.Using experimental studies,compared to the latest state⁃of⁃the⁃art machine learning models,the effectiveness of the proposed model is shown for fault detection.Performance evaluation in terms of false positive rate,accuracy,and false alarm rate shows the efficiency of the proposed algorithm. 展开更多
关键词 fault detection GRU PROPHET deep learning wireless sensor networks
在线阅读 下载PDF
基于Prophet-FCM模型的城市轨道交通电量数据异常检测方法研究
20
作者 张振华 楼锦华 +1 位作者 刘伟忠 刘卫平 《现代城市轨道交通》 2025年第1期66-71,共6页
城市轨道交通能源管理系统在长期运行过程中受到各方面因素的影响,以致经常出现电量数据异常现象,对系统能耗统计分析与节能减排等工作造成不利影响。为应对以上问题,提出一种基于Prophet-FCM算法的电量数据异常识别方法。其具体步骤为... 城市轨道交通能源管理系统在长期运行过程中受到各方面因素的影响,以致经常出现电量数据异常现象,对系统能耗统计分析与节能减排等工作造成不利影响。为应对以上问题,提出一种基于Prophet-FCM算法的电量数据异常识别方法。其具体步骤为:首先对当前电量实际值进行预处理,辨别其是否为满码回滚的异常数据;其次,基于Prophet模型与历史电量数据,对当前电量数据进行预测,获取预测值,并据此计算实际值与预测值之间的残差;最后,利用FCM模型对残差进行聚类分析,以判别电量实际值的属性为正常或异常。实验结果证明,将Prophet-FCM模型应用于城市轨道交通电量数据的异常检测中,能够显著提升检测的精准率。 展开更多
关键词 城市轨道交通 电量数据 异常检测 PROPHET FCM
在线阅读 下载PDF
上一页 1 2 12 下一页 到第
使用帮助 返回顶部