基于RF-LSTM算法的火电机组变负荷速率预测分析

1

作者 于良辰 陈衡 +3 位作者 赵子淳 李晓博 张俊姣 刘文毅 《热能动力工程》 北大核心 2025年第9期75-85,共11页

针对火电机组变负荷工况下调峰灵活性不足的问题,提出了融合特征筛选与动态时序建模的RF-LSTM混合预测方法,以某660 MW超超临界机组为研究对象,采用随机森林算法进行特征重要性评价,并剔除非稳态值和噪声值,建立包含选定的16个特征参数... 针对火电机组变负荷工况下调峰灵活性不足的问题,提出了融合特征筛选与动态时序建模的RF-LSTM混合预测方法,以某660 MW超超临界机组为研究对象,采用随机森林算法进行特征重要性评价,并剔除非稳态值和噪声值,建立包含选定的16个特征参数的预测模型,得出预测曲线及相关预测数据,并利用预测数据计算变负荷速率及调节速率。结果表明:RF-LSTM模型用来预测特征参数随时序变化具有较高准确性,平均绝对误差的数值均在3.0以下,通过计算得到的变负荷速率预测值与真实值误差在10%以下;升负荷速率维持在5.4~6.3 MW/min之间,升负荷调节速率在0.9%~1.05%/min之间;降负荷速率在3.6~4.8 MW/min之间,降负荷调节速率在0.6%~0.8%/min之间(个别数据略微超出以上区间);对比基于RF、RNN、LSTM、BP等算法预测模型,RF-LSTM模型的拟合系数高达0.99。 展开更多

关键词 火电机组 变负荷速率 rf-lstm算法 评估预测 灵活性

原文传递

基于RF-LSTM模型的城市洪涝积水模拟研究 被引量：2

2

作者 黄楚雯 管永乐 王洪发 《人民黄河》 北大核心 2025年第6期50-56,共7页

受强降雨的影响,降雨后期洪水依然存在,并可能持续造成危害和影响。为了准确预测城市洪涝积水的深度和持续时间,针对短历时降雨后期洪水模拟困难的问题,提出了RF-LSTM耦合模型。基于SWMM模型模拟的郑州市洪涝积水数据,利用提出的模型对... 受强降雨的影响,降雨后期洪水依然存在,并可能持续造成危害和影响。为了准确预测城市洪涝积水的深度和持续时间,针对短历时降雨后期洪水模拟困难的问题,提出了RF-LSTM耦合模型。基于SWMM模型模拟的郑州市洪涝积水数据,利用提出的模型对其中3个代表积水点的洪水深度进行模拟,并预测不同重现期降雨引起的洪水过程。结果表明:与单一LSTM模型相比,RF-LSTM模型的预测精度得到了提升,验证了该模型在洪水预测中的适用性。3个积水点的洪水持续时间和最大洪水深度的增长率在1~2 a重现期下均是最高的,建议翻修或重新设计现有的排水系统。 展开更多

关键词 RF模型 LSTM模型 SWMM模型 洪水模拟 郑州市

在线阅读 下载PDF 职称材料

区域VOCs聚集态势RF-LSTM智能感知方法 被引量：7

3

作者 陆秋琴 潘婉琪 黄光球 《安全与环境学报》 CAS CSCD 北大核心 2022年第5期2832-2844,共13页

为了提高VOCs质量浓度预测精度,实现VOCs聚集态势感知,采用RF-LSTM方法提出了基于浓度预测的VOCs聚集态势感知法,简称聚集态势感知法,该方法将态势感知的概念引入VOCs研究,将区域VOCs聚集态势直观展示出来。首先在区域网格划分的基础上... 为了提高VOCs质量浓度预测精度,实现VOCs聚集态势感知,采用RF-LSTM方法提出了基于浓度预测的VOCs聚集态势感知法,简称聚集态势感知法,该方法将态势感知的概念引入VOCs研究,将区域VOCs聚集态势直观展示出来。首先在区域网格划分的基础上利用距离平方反比进行空间插值,收集区域VOCs数据信息;其次利用随机森林结合长短时记忆神经网络对网格VOCs质量浓度进行预测;最后根据预测结果计算VOCs聚集态势值,并将态势感知结果可视化。以西安市某区为例进行VOCs质量浓度预测及VOCs聚集态势感知,结果表明:与RF模型、LSTM模型相比,RF-LSTM模型减少了输入变量,实现了VOCs质量浓度预测模型输入参数的优化,降低了预测模型的复杂度,提高了预测精度,得到RF-LSTM模型的平均绝对误差、均方根误差、平均绝对百分比误差分别为6.24、9.75、10.36%;VOCs聚集态势感知能够对区域VOCs聚集的发展趋势和状态进行可视化,传达了更多的信息,具有一定的实用价值。因此,该聚集态势感知方法可以为区域VOCs污染防治和预警提供决策支持。 展开更多

关键词 环境工程学 VOCs聚集 rf-lstm 浓度预测 态势感知

原文传递

极端天气下基于RF-LSTM的配电网馈线薄弱环节识别方法 被引量：9

4

作者 周丹阳 黄晓燕 《浙江电力》 2022年第12期71-78,共8页

为增强配电网对极端天气的主动防御能力,提高供电可靠性,提出了一种基于RF(随机森林)结合LSTM(长短期记忆网络)的配电网馈线薄弱环节识别方法。首先,基于历史运行数据利用LSTM对极端天气发生时的潮流进行短时预测,并将预测结果和气象预... 为增强配电网对极端天气的主动防御能力,提高供电可靠性,提出了一种基于RF(随机森林)结合LSTM(长短期记忆网络)的配电网馈线薄弱环节识别方法。首先,基于历史运行数据利用LSTM对极端天气发生时的潮流进行短时预测,并将预测结果和气象预报信息等作为故障预测模型的输入参数。然后,采用RF算法构建极端天气场景下配电网的馈线故障预测模型,并对历史数据进行学习和训练。最后,将LSTM预测得到的短期潮流数据、气象参数和网架信息输入到RF预测模型中并进行运算,预测配电网馈线的故障概率并划分其薄弱等级,最终实现极端天气下配电网馈线的薄弱环节识别。仿真实验结果表明,该方法能够准确识别配电网馈线的薄弱环节,对提升配电网的主动运维能力具有实用参考价值。 展开更多

关键词 配电网 极端天气 rf-lstm算法 故障预测 薄弱环节识别

在线阅读 下载PDF 职称材料

基于多因素RF-LSTM模型的上证指数预测研究

5

作者 徐泽良 朱小栋 《中国物价》 2022年第12期58-60,共3页

金融市场一直以来都是研究的热点领域,股票作为金融市场的重要产品也备受关注。传统的统计方法无法很好地同时满足金融数据的非线性和高度时序性,而基于单因素的机器学习方法又无法完美地解释金融数据的高度波动性。本文结合前人的研究... 金融市场一直以来都是研究的热点领域,股票作为金融市场的重要产品也备受关注。传统的统计方法无法很好地同时满足金融数据的非线性和高度时序性,而基于单因素的机器学习方法又无法完美地解释金融数据的高度波动性。本文结合前人的研究,选择了经济、技术、相关市场和投资者情绪四大影响因素,共计43个重要变量并划分出三个子样本,采用基于多因素RF-LSTM模型来预测上证指数收盘价。实证结果表明,在不同的趋势下,基于多因素的RF-LSTM模型平均表现优于统计模型ARIMA、单因素的SVR和LSTM模型。进一步分析发现今日开盘价是模型中最重要的变量,投资者情绪在不同趋势下对模型有着不同程度的影响。这将为后续研究金融数据提供新的思路和借鉴,也为经济发展趋势和市场监管提供新的理论依据。 展开更多

关键词 上证指数 统计模型 机器学习 多因素rf-lstm

原文传递

基于RF-LSTM模型对A股历史数据的分析

6

作者 丁睦坤 柴啸龙 《商展经济》 2024年第1期111-115,共5页

本文在分析A股个股历史数据及自定义的指标基础上,建立RandomForest模型,并利用RF模型对指标进行筛选,再将RF模型选取的指标传入建立RF-LSTM模型,实现预测功能。为了展现RF-LSTM模型的适用性,本文引入了自定义的AR-RF集成模型作为对比,... 本文在分析A股个股历史数据及自定义的指标基础上,建立RandomForest模型,并利用RF模型对指标进行筛选,再将RF模型选取的指标传入建立RF-LSTM模型,实现预测功能。为了展现RF-LSTM模型的适用性,本文引入了自定义的AR-RF集成模型作为对比,在最终测试集的预测结果中发现RF-LSTM模型有更好的效果。本文的主要创新点是,自定义并二次量化处理个股支撑压力指标,在得到RF-LSTM模型的预测结果后,结合自定义公式,对未来的走势进行量化处理。 展开更多

关键词 RandomForest模型 AR-RF集成模型 自定义支撑压力指标 rf-lstm模型 走势量化处理

在线阅读 下载PDF 职称材料

基于样本熵重构与RF-LSTM模型的水电机组状态趋势预测 被引量：8

7

作者 姜伟 卢俊泽 许颜贺 《大电机技术》 2024年第2期74-80,共7页

针对水电机组运行状态预测问题,提出一种基于样本熵重构(sample entropy reconstruction, SER)与随机森林(random forest, RF)-长短期记忆网络(long short-term memory, LSTM)的混合预测模型。首先,利用改进自适应噪声完备集成经验模态... 针对水电机组运行状态预测问题,提出一种基于样本熵重构(sample entropy reconstruction, SER)与随机森林(random forest, RF)-长短期记忆网络(long short-term memory, LSTM)的混合预测模型。首先,利用改进自适应噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive white noise, ICEEMDAN)方法,将复杂非线性振摆信号分解为一组本征模态(intrinsic mode functions, IMFs)分量;其次,采用SER原理重组具有相似复杂度的IMFs,得到多个重构特征分量(reconstruction feature components, RFCs);然后,利用随机森林预测样本熵最小的RFC,利用LSTM预测剩余的RFCs;最后,叠加各RFCs预测结果,实现水电机组状态趋势的准确预测。实验结果表明,所提方法具备更优的预测性能,可为实施机组预测性维护提供可靠的数据支持。 展开更多

关键词 水电机组 样本熵 随机森林 长短期记忆网络 状态趋势预测

在线阅读 下载PDF 职称材料

基于RF-LSTM的地表水体水质预测 被引量：25

8

作者 郝玉莹 赵林 +1 位作者 孙同 乔治 《水资源与水工程学报》 CSCD 北大核心 2021年第6期41-48,共8页

水质预测是水污染防治的重要一环,为提高水质预测的精度,研究随机森林算法(RF)与长短时记忆神经网络(LSTM)相结合的预测方法。以桃林口水库水质监测数据为例,采用RF算法分别筛选出影响高锰酸盐指数(COD Mn)、氨氮(NH_(3)—N)、总氮(TN)... 水质预测是水污染防治的重要一环,为提高水质预测的精度,研究随机森林算法(RF)与长短时记忆神经网络(LSTM)相结合的预测方法。以桃林口水库水质监测数据为例,采用RF算法分别筛选出影响高锰酸盐指数(COD Mn)、氨氮(NH_(3)—N)、总氮(TN)和总磷(TP)浓度变化的关键特征,在此基础上构建基于RF-LSTM的水质预测模型,并与单一LSTM、RF-BPNN和RF-RNN模型的预测效果进行对比。结果表明:RF-LSTM模型的预测效果均优于其他模型,预测COD Mn、NH_(3)—N、TN和TP未来4 h浓度时的决定系数(R^(2))分别达到0.986、0.990、0.989和0.988,具有极高的预测精度和较强的泛化能力。研究结果为实现高精度水质预测提供了新思路。 展开更多

关键词 水质预测 长短时记忆神经网络 随机森林 特征选择

在线阅读 下载PDF 职称材料

基于特征优选与IPSO-LSTM的变压器故障诊断

9

作者 胡俊泽 杨耿煌 +1 位作者 耿丽清 刘新宇 《电气传动》 2026年第1期89-96,共8页

针对变压器故障诊断精度差、准确率低的问题,提出一种基于数据特征优选与改进粒子群优化算法的长短期记忆网络(IPSO-LSTM)的变压器故障诊断方法。首先对原始数据集进行预处理,使用合成少数类样本过采样技术(SMOTE)扩充数据数量;其次利... 针对变压器故障诊断精度差、准确率低的问题,提出一种基于数据特征优选与改进粒子群优化算法的长短期记忆网络(IPSO-LSTM)的变压器故障诊断方法。首先对原始数据集进行预处理,使用合成少数类样本过采样技术(SMOTE)扩充数据数量;其次利用特征比值法扩充特征维数至20维,使用随机森林(RF)算法判断特征重要程度进行特征优选,降低过拟合风险;然后引入自适应惯性权重对PSO算法进行改进,利用改进后的PSO算法来优化LSTM最优超参数;最后输入特征优选后的数据进行变压器故障诊断。结果表明所构建的故障诊断模型诊断精度为91.6%。该优化模型与LSTM,HBA-LSTM和PSO-LSTM诊断模型相比,准确率分别提高了10.12%,5.95%,3.57%,证明IPSO-LSTM诊断模型有更高的诊断准确率,在变压器故障诊断领域有一定的实际意义。 展开更多

关键词 变压器故障诊断 特征优选 随机森林 长短期记忆网络 粒子群优化算法

在线阅读 下载PDF 职称材料

信息化背景下造纸工艺中能耗预测和关键参数识别研究

10

作者 孙雨 李冬艳 《造纸科学与技术》 2026年第1期47-52,共6页

针对造纸工业中传统模型能耗预测精度不足、参数识别准确率低、运行效率适配性差等问题,研究融合双通道长短期记忆网络与模拟退火优化随机森林,构建了一种新型能耗预测和关键参数识别模型。实验结果显示,该模型在稳定生产工况下能耗预... 针对造纸工业中传统模型能耗预测精度不足、参数识别准确率低、运行效率适配性差等问题,研究融合双通道长短期记忆网络与模拟退火优化随机森林,构建了一种新型能耗预测和关键参数识别模型。实验结果显示,该模型在稳定生产工况下能耗预测平均绝对百分比误差为1.7%,换卷阶段为3.1%。关键参数识别准确率高,稳定生产时打浆度识别达92.1%,换卷阶段达93.2%,单样本推理耗时32.3ms,1000条批量样本推理耗时1211.7ms,显著优于对比模型。上述结果充分表明,该研究模型能有效提升造纸工业能耗预测与参数识别的效率和精准度,对降低生产成本具有积极的作用。 展开更多

关键词 造纸工艺 能耗预测 双通道注意力机制 LSTM 参数识别 RF

原文传递

复合模型与模糊推理联合的溢流风险分级评估新方法 被引量：1

11

作者 廖华林 屈峰涛 +1 位作者 许玉强 魏凯 《天然气工业》 北大核心 2025年第3期140-151,共12页

溢流作为钻井施工过程中的井喷前兆,对其及时准确识别和评估,对于降低井喷发生概率、保障安全高效钻井具有重要意义。为解决当前数据驱动的溢流风险评估模型在复杂地质环境作业中泛化能力不足和评估结果可解释性较差的问题,构建了具备... 溢流作为钻井施工过程中的井喷前兆,对其及时准确识别和评估,对于降低井喷发生概率、保障安全高效钻井具有重要意义。为解决当前数据驱动的溢流风险评估模型在复杂地质环境作业中泛化能力不足和评估结果可解释性较差的问题,构建了具备深度特征挖掘能力的组合卷积神经网络、长短期记忆网络与随机森林算法的复合模型(CNN-LSTM-RF),提取了数据特征、计算风险概率,并采用模糊综合评价方法确定了临界风险概率阈值;然后引入模糊推理,将专家经验转化为模糊规则,优化风险分级边界,提高溢流风险评估的透明度和灵活性;最后形成了一种基于复合模型与模糊推理的溢流风险分级评估方法,并成功将其应用于海上某油田的溢流风险管理。研究结果表明:(1)卷积神经网络(CNN)有效提取了多源数据的局部特征和空间关联,长短期记忆网络(LSTM)则捕捉了数据序列的长短期依赖关系,提升了模型处理复杂数据的能力;(2)模糊综合评价结合正态分布隶属度函数和置信度,能够准确计算临界风险阈值,实现了溢流风险概率的分级标定,提高了评估的可操作性;(3)该方法在低风险和高风险井段钻井溢流识别的准确率达到97.9%,显著降低了固定阈值方法的高风险误判率(降低44.92%)。结论认为,该方法在识别和评估高风险井段及预警方面表现出色,能够提前发出预警信号,在溢流风险分级评估中更加灵活,为实际钻井溢流风险管理提供了可靠的技术支撑。 展开更多

关键词 钻井风险 复合模型 模糊推理 风险分级 溢流风险 CNN-LSTM-RF Mamdani推理 模糊综合评价

在线阅读 下载PDF 职称材料

考虑时空特征的瓦斯涌出量预测模型及其可解释性分析

12

作者 杨小彬 韩超 +6 位作者 胡慢谷 陈立辉 付天予 吕伏 孙溪成 刘思远 张骁俊 《安全与环境学报》 北大核心 2025年第10期3794-3802,共9页

针对瓦斯涌出量数据量少、无序性强、时空依赖性高,预测模型效果不佳的问题,提出一种基于可解释性分析的瓦斯涌出量时空预测模型。采集甘肃某矿井瓦斯涌出量数据,辅以多个矿井的瓦斯涌出量数据集以改善小样本问题;利用卷积神经网络(Conv... 针对瓦斯涌出量数据量少、无序性强、时空依赖性高,预测模型效果不佳的问题,提出一种基于可解释性分析的瓦斯涌出量时空预测模型。采集甘肃某矿井瓦斯涌出量数据,辅以多个矿井的瓦斯涌出量数据集以改善小样本问题;利用卷积神经网络(Convolutional Neural Network,CNN)与长短期记忆(Long Short-Term Memory,LSTM)网络联合模型提取数据时空特征,加入注意力机制(Attention Mechanism,AM)强化特征提取能力以应对数据无序性;采用随机森林(Random Forest,RF)模型防止过拟合,以夏普利加性解释解决瓦斯时空分布黑匣子问题。结果显示,对瓦斯涌出量预测而言,CNN-LSTM-AM-RF模型预测精度较高,原始瓦斯含量、煤层厚度、煤层埋深是影响模型输出的主要因素,分别在煤层埋深大于550 m、煤层厚度大于3.8 m、煤层倾角大于20°,推进速度大于4 m/d时,对预测结果有正向影响,反之则有负向影响。 展开更多

关键词 安全工程 瓦斯涌出量预测 特征提取 注意力机制 CNN-LSTM-AM-RF模型

原文传递

基于Kolmogorov-Arnold网络的日光温室温湿度预测及最小建模数据量 被引量：1

13

作者 张疏桐 张传颂 +1 位作者 冯雄 冯克鹏 《农业环境科学学报》 北大核心 2025年第11期2835-2851,共17页

针对日光温室在不同时间步长下温湿度预测精度低,不同温度条件下最小建模数据量不明确的问题,本研究引入Kolmogorov-Arnold(KAN)网络,与随机森林(RF)、循环神经网络(RNN)和长短期记忆网络(LSTM)3种机器学习算法比较,以确定不同时间步长... 针对日光温室在不同时间步长下温湿度预测精度低,不同温度条件下最小建模数据量不明确的问题,本研究引入Kolmogorov-Arnold(KAN)网络,与随机森林(RF)、循环神经网络(RNN)和长短期记忆网络(LSTM)3种机器学习算法比较,以确定不同时间步长下温湿度预测性能最优模型,然后通过对比不同建模数据量模型预测效果确定不同温度条件下的最小建模数据量,最后利用SHapley Additive exPlanations(SHAP)分析解释了各特征对4种模型预测结果的影响。结果表明:RF、LSTM和KAN模型均在15 min~1 h时间步长的温度预测中表现较好,R^(2)均大于0.9,KAN模型在15 min~1 h时间步长的湿度预测中表现优秀,15min时的R^(2)为0.82,均方根误差(RMSE)为0.14 kPa;1~3 d时间步长下RF、LSTM和KAN模型温度预测性能良好,R^(2)均大于0.8,KAN模型在1 d时间步长下湿度预测效果良好,R^(2)为0.62,7 d时间步长下各模型均无法准确预测温室温湿度。不同训练数据量的结果表明,仅需10 d数据即可构建精准的温度预测模型,湿度预测模型则至少需要20 d的数据。SHAP分析结果揭示,室外空气温度(ATO)是温度预测最重要的特征,室外空气湿度(VPO)则为湿度预测最重要的特征。研究表明,KAN网络在温室环境预测领域有广泛应用前景,尤其适用于湿度预测,在建模时仅需要10 d数据即可构建温室温度预测模型,20 d数据即可构建湿度预测模型,ATO和VPO分别对温室温度和湿度预测影响最大。 展开更多

关键词 日光温室 温湿度预测 随机森林(RF) 循环神经网络(RNN) 长短期记忆网络(LSTM) Kolmogorov-Arnold网络(KAN) SHAP

在线阅读 下载PDF 职称材料

基于LSTM-RF模型的拉萨市空气质量预测分析

14

作者 柳雨 杜媛芳 《现代信息科技》 2025年第19期152-156,共5页

随着工业化和城市化进程的不断加快,我国经济水平显著提升,空气质量问题亦日益成为社会关注的焦点。基于拉萨市2015年1月1日至2021年12月31日的空气质量指数(AQI)及6种主要污染物(PM_(2.5)、PM_(10)、SO_(2)、NO_(2)、CO、O_(3))浓度数... 随着工业化和城市化进程的不断加快,我国经济水平显著提升,空气质量问题亦日益成为社会关注的焦点。基于拉萨市2015年1月1日至2021年12月31日的空气质量指数(AQI)及6种主要污染物(PM_(2.5)、PM_(10)、SO_(2)、NO_(2)、CO、O_(3))浓度数据,运用随机森林(RF)算法筛选出与AQI高度相关的污染物特征(PM_(10)浓度);在此基础上,将长短时记忆(LSTM)模型的预测结果与PM_(10)浓度共同作为输入变量,进一步构建RF模型,以提升预测性能与稳定性。实验结果表明:相比于单一RF模型,单一LSTM模型的预测性能略逊一筹,而LSTM-RF组合模型的预测能力得到显著提升。该组合模型为空气质量预测提供了有效的方法支持,也为精准的污染防控、环境治理及政策制定奠定了坚实的科学基础。 展开更多

关键词 空气质量指数(AQI) LSTM模型 RF模型 LSTM-RF模型

在线阅读 下载PDF 职称材料

基于机器学习的能见度短临预报

15

作者 顾成恺 李逸飞 +3 位作者 高若时 秦政 邓子立 李楠 《气象与减灾研究》 2025年第4期260-270,共11页

基于长短期记忆神经网络、随机森林、XGBoost三种机器学习算法,利用大连机场例行天气报告METAR以及VAISALA自动观测站数据资料,开展机器学习算法在能见度短临预报中的应用研究。利用实际大雾案例的应用评估,检验了三种机器学习算法对能... 基于长短期记忆神经网络、随机森林、XGBoost三种机器学习算法,利用大连机场例行天气报告METAR以及VAISALA自动观测站数据资料,开展机器学习算法在能见度短临预报中的应用研究。利用实际大雾案例的应用评估,检验了三种机器学习算法对能见度短临预报的预报性能。结果表明,三种机器学习均能对能见度进行有效预测,模型预测效果与实际观测值趋势一致,其中XGBoost模型效果最优,1—3 h预测结果的决定系数(R^(2))值能达到0.64—0.87,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)分别为949—1554 m、455—960 m和10%—23%,随着预测步长增加,预测效果逐渐减弱。与传统数值预报产品相比,RMSE值整体降低了5—8 km,MAE值整体降低了4—7 km。在大雾个例预测中,机器学习模型预测值与实际值趋势一致,但部分区间偏高,低能见度时段的预测效果相对较差,周边自动观测站、空气质量等数据未引入导致当前模型预测效果存在上限。 展开更多

关键词 能见度 短临预报 LSTM RF XGBoost

在线阅读 下载PDF 职称材料

基于多种机器学习算法构建的呼和浩特市臭氧气象条件评估指数对比分析

16

作者 王俊秀 张智 +4 位作者 李二杰 姜学恭 杨泽华 王俊杰 兰劲青 《气象与环境学报》 2025年第2期56-63,共8页

选用2018—2022年呼和浩特市O_(3)监测资料和气象资料,分别建立基于轻量梯度提升机(LightGBM)、极端梯度提升树(XGBoost)、随机森林(RF)和长短期记忆网络(LSTM)的气象要素与日最大8 h平均O_(3)浓度(ρ(O_(3)-8h))模型,对比各模型的评价... 选用2018—2022年呼和浩特市O_(3)监测资料和气象资料,分别建立基于轻量梯度提升机(LightGBM)、极端梯度提升树(XGBoost)、随机森林(RF)和长短期记忆网络(LSTM)的气象要素与日最大8 h平均O_(3)浓度(ρ(O_(3)-8h))模型,对比各模型的评价指标,选出最优模型并验证。结果表明:近5 a呼和浩特市ρ(O_(3)-8h)>160 g·m^(-3)出现在4—10月,其中6月、7月天数最多,5月、8月次之;模型因子中的日最高气温对ρ(O_(3)-8h)预测结果的贡献最大,占比为44%;模型模拟性能由高到低分别为:LightGBM>LSTM>XGBoost>RF,LightGBM模型模拟结果最好,构建的臭氧气象条件评估指数与ρ(O_(3)-8h)相关系数最高达0.86,较中国气象局臭氧气象条件评估指数提升了17.81%,可较好地评估呼和浩特市气象条件对O_(3)浓度变化的影响。 展开更多

关键词 极端梯度提升树(XGBoost) 随机森林(RF) 长短期记忆网络(LSTM) 轻量级梯度提升机(LightGBM)

在线阅读 下载PDF 职称材料

基于随机森林和长短期记忆网络模型的高压气井环空带压预测方法 被引量：9

17

作者 张智 王翔辉 +1 位作者 黄媚 冯少波 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期167-178,共12页

高压气井在生产过程中持续的环空带压容易引起套管柱变形或挤毁,是高压气井完整性失效的主要原因之一。为解决传统方法环空带压预测精度不高的问题,以鄂尔多斯盆地苏里格气田某高压气井为例,首先利用主成分分析法和相关系数法找到影响... 高压气井在生产过程中持续的环空带压容易引起套管柱变形或挤毁,是高压气井完整性失效的主要原因之一。为解决传统方法环空带压预测精度不高的问题,以鄂尔多斯盆地苏里格气田某高压气井为例,首先利用主成分分析法和相关系数法找到影响环空带压的主要因素,然后使用高压气井井筒温压场理论值和孤立森林模型对主成分进行物理解释和数据清洗,再对清洗后的数据使用随机森林(RF)和长短期记忆网络(LSTM)模型建立了环空带压定量预测模型,并对两类模型进行权重组合,最终建立了精确度高于任意单一模型的RF—LSTM组合环空带压预测新模型。研究结果表明:(1)环空带压的主要影响因子有温度分量、压力分量、产量分量、腐蚀程度、生产状态,而温度分量与环空带压间存在最高关联性;(2)通过错误格式、离群点及基于井筒温压场的数据清洗,可以得到数据清洗后的环空带压影响因素训练集;(3)通过平均绝对误差法(MAE)能够建立误差分数小于任意单一模型,而拟合优度介于两者之间的组合模型,因此可以将具有高拟合优度和低误差分数的两类模型结合,从而组合出同时满足两种分数的组合模型。结论认为:(1)运用大数据挖掘技术及算法进行环空带压定量预测,方法新颖,预测精度高,结果可行;(2)该方法为现场环空带压预测和风险管控提供了决策工具参考,为实现环空带压风险实时预测、预警和管控提供了理论支撑。 展开更多

关键词 环空带压 数据挖掘 随机森林 主成分分析 LSTM 大数据 预测方法

在线阅读 下载PDF 职称材料

基于机器学习算法的短期风电功率预测方法研究——以RF-PSO-LSTM模型为例

18

作者 史记 尚高伟 《智能感知工程》 2025年第2期91-99,共9页

当前,全球对可再生能源的需求不断增长,风能作为一种可再生清洁能源在电力供应中具有重要作用。然而,风电功率的波动性给电网调度带来挑战,准确预测风电功率成为优化电力系统运行的关键。传统风电功率预测方法(如物理建模和统计建模)存... 当前,全球对可再生能源的需求不断增长,风能作为一种可再生清洁能源在电力供应中具有重要作用。然而,风电功率的波动性给电网调度带来挑战,准确预测风电功率成为优化电力系统运行的关键。传统风电功率预测方法(如物理建模和统计建模)存在计算复杂、对数据质量要求高等问题。基于此,提出一种基于随机森林(RF)算法、粒子群优化(PSO)算法和长短期记忆(LSTM)神经网络的短期风电功率预测方法。首先,利用风速-功率曲线对数据进行预处理;其次,利用RF算法进行特征选择,剔除不重要的特征变量;再次,利用PSO算法优化LSTM的超参数,提升模型的预测精度;最后,利用我国东南沿海地区某风电场的公开数据集进行模型实验。实验结果表明,该模型在测试集中的均方根误差(RMSE)为1.512 8,平均绝对误差(MAE)为1.163 2,平均绝对百分比误差(MAPE)为8.984 2%,显著优于单一LSTM模型及其他组合模型,为风电场的优化调度提供了有力支撑。 展开更多

关键词 机器学习算法 风电功率预测 随机森林(RF) 粒子群优化(PSO) 长短期记忆(LSTM)神经网络

在线阅读 下载PDF 职称材料

基于LSTM网络的综合射频模块温度的预测研究 被引量：3

19

作者 陈卫卫 李鑫 +1 位作者 时林林 俞鹏飞 《计算机测量与控制》 2022年第7期84-90,共7页

随着电子产品及集成电路的快速发展,其电子产品的故障预测研究引起了高度重视,但准确预测其使用寿命难度还是很大,目前针对电子产品主要采用状态监控和健康管理,从而实现状态的预测。以此为出发点,构建综合射频模块温度的状态预测模型,... 随着电子产品及集成电路的快速发展,其电子产品的故障预测研究引起了高度重视,但准确预测其使用寿命难度还是很大,目前针对电子产品主要采用状态监控和健康管理,从而实现状态的预测。以此为出发点,构建综合射频模块温度的状态预测模型,该预测模型首先将设备的时域特征数据转换为有监督的样本数据集,然后建立原始参数集、预测模型的训练集和测试集,接着建立LSTM深度学习网络结构,进行参数调整设置并运行模型,最后获得预测值和观测值的误差曲线;采用该方法在某典型任务场景中进行了应用验证,获得综合射频模块的温度预测的准确度为98.7%,达到了较好的预测效果和精度。 展开更多

关键词 综合射频模块 温度 LSTM模型 预测样本 预测准确度

在线阅读 下载PDF 职称材料

基于多模型融合的中长期径流集成预测方法 被引量：4

20

作者 朱非林 陈嘉乙 +2 位作者 张咪 徐向荣 钟平安 《水力发电》 CAS 2024年第2期6-13,29,共9页

中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各... 中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各模型的最优参数。将其用于青海省龙羊峡水库的中长期径流预报中,结果表明,通过Stacking融合算法建立的集成预测模型相较于单一模型,取得了更高的预测精度(R2值由0.71提升至0.82)。此方法可为提升流域中长期径流预测精度提供一定参考。 展开更多

关键词 中长期径流预报 ARMA BP LSTM RF SVR 多模型融合 集成预测 Stacking融合算法 超参数寻优 龙羊峡水库

在线阅读 下载PDF 职称材料