基于TCN-LSTM模型的深基坑变形预测研究

1

作者 叶剑锋 《广州建筑》 2026年第1期72-77,共6页

由于深基坑变形发展趋势受复杂地质条件及动态施工环境影响,为保障基坑安全而对深基坑变形开展精准预测,是亟待突破的工程难题。为实现高精度与强鲁棒性的变形预测,该研究提出一种融合时序卷积网络(TCN)与长短期记忆网络(LSTM)的混合深... 由于深基坑变形发展趋势受复杂地质条件及动态施工环境影响,为保障基坑安全而对深基坑变形开展精准预测,是亟待突破的工程难题。为实现高精度与强鲁棒性的变形预测,该研究提出一种融合时序卷积网络(TCN)与长短期记忆网络(LSTM)的混合深度学习模型(TCN-LSTM)。该模型通过TCN中的扩张因果卷积操作提取多尺度时序特征,并利用LSTM的门控机制建模长期依赖与非线性的动态演化过程。TCN与LSTM的跨模态集成有效增强了模型的特征表达与泛化能力。基于广州某医院深基坑工程的实测数据开展对比实验,结果表明:所提出的TCN-LSTM模型在拟合优度(R^(2))、均方误差(MSE)与平均绝对误差(MAE)三项指标上均显著优于传统RNN、LSTM及CNNLSTM模型,其R^(2)分别提升97.43%、80.59%及11.38%,MSE分别降低33.01%、23.66%与10.13%,MAE分别降低57.81%、49.00%与35.46%,同时表现出优异的噪声鲁棒性。该研究为深基坑变形预测提供了一种可靠的解决方案,对工程风险的智能感知与主动防控具有重要理论价值与工程应用前景。 展开更多

关键词 深基坑 变形预测 时间卷积网络(TCN) 长短期记忆神经网络(LSTM) 混合深度学习模型(tcn-lstm) 鲁棒性

在线阅读 下载PDF 职称材料

基于TCN-LSTM模型的实车电池健康状态评估方法

2

作者 胡杰 王浩杰 +4 位作者 魏敏 王志红 陈琳 黄文涛 康涵锐 《汽车工程》 北大核心 2025年第6期1060-1071,共12页

为解决当前实车数据质量差导致的电池健康状态评估结果精度不足的问题,提出了一种基于TCNLSTM模型的电池健康状态评估方法。首先提出了基于随机搜索算法的恒流充电电压片段提取方法;然后提出了局部加权回归与3阶多项式回归加权融合的方... 为解决当前实车数据质量差导致的电池健康状态评估结果精度不足的问题,提出了一种基于TCNLSTM模型的电池健康状态评估方法。首先提出了基于随机搜索算法的恒流充电电压片段提取方法;然后提出了局部加权回归与3阶多项式回归加权融合的方法来拟合电池容量的整体与局部衰减趋势。接着构建并提取与电池老化相关的特征,创新性地提出了经容量保持率修正的累充容量以及满充电压、电池一致性等特征;最后构建了基于TCN-LSTM的动力电池健康状态评估模型,从多维度来提取特征与电池老化之间的关系。结果表明,TCN-LSTM模型可以准确地评估出实车数据下动力电池复杂的容量衰减变化关系,RMSRE仅为0.002 1。 展开更多

关键词 电动汽车 SOH tcn-lstm 电池一致性

在线阅读 下载PDF 职称材料

基于KOA-TCN-LSTM检测算法的STBC-OOFDMIM系统

3

作者 王惠琴 张红彦 +1 位作者 王真 唐崎涵 《华中科技大学学报(自然科学版)》 北大核心 2025年第9期176-185,共10页

针对光正交频分复用索引调制(OOFDM-IM)系统在激活子载波较多时存在误码性能不理想的问题,提出了一种基于空时分组编码(STBC)的STBC-OOFDM-IM方案.该方案通过空间分集技术将信息符号在多个发射天线间进行正交编码,结合索引调制的频谱效... 针对光正交频分复用索引调制(OOFDM-IM)系统在激活子载波较多时存在误码性能不理想的问题,提出了一种基于空时分组编码(STBC)的STBC-OOFDM-IM方案.该方案通过空间分集技术将信息符号在多个发射天线间进行正交编码,结合索引调制的频谱效率优势,实现了空频联合分集增益.理论分析表明:编码后系统在保持传输速率不变的同时,可获得显著的误码性能改善.进一步提出了基于开普勒优化的级联型时间卷积网络与长短期记忆网络(KOA-TCN-LSTM)检测算法.该算法将TCN的局部时序特征提取能力与LSTM的长期依赖建模能力相结合,通过端到端学习直接建立接收信号到发射信号的映射关系.此外,引入KOA优化算法对网络超参数进行全局寻优,有效解决了传统梯度下降易陷入局部最优的问题.仿真结果表明:在弱湍流条件下,当误码率为1×10^(-4)时,(2,1,2)系统的信噪比在编码后改善了约3.8 dB.所提检测算法在获得近似最大似然性能的同时,计算复杂度和时间开销有效降低,这为大气激光通信系统的实用化提供了有效的技术途径. 展开更多

关键词 无线光通信 光正交频分复用索引调制(OOFDM-IM) 正交空时编码 tcn-lstm网络 开普勒优化算法(KOA)

原文传递

结合增量学习和大猩猩优化算法的GVMD-TSNE-TCN-LSTMre光伏发电功率短期预测方法

4

作者 张益鸣 张一竞 +2 位作者 杨子阳 李佳 钱晶 《太阳能学报》 北大核心 2025年第7期690-700,共11页

光伏短期发电数据维数高,特征复杂,数据特征的分解提取和预测模型的构建是影响预测效果的关键,该文提出一种结合增量学习的嵌入元启发大猩猩参数优化的光伏发电短期预测方法 GVMD-TSNE-TCN-LSTMre,第一层的特征提取采用变分模态分解(VMD... 光伏短期发电数据维数高,特征复杂,数据特征的分解提取和预测模型的构建是影响预测效果的关键,该文提出一种结合增量学习的嵌入元启发大猩猩参数优化的光伏发电短期预测方法 GVMD-TSNE-TCN-LSTMre,第一层的特征提取采用变分模态分解(VMD)和T分布随机近邻嵌入(TSNE)模型,二者结合获得光伏数据中的有效特征,其中VMD涉及惩罚因子和分解模态数两个关键参数的选择,采用元启发大猩猩优化算法(GTO)对其参数进行优化,获得优化特征提取方法(GVMD);第二层的预测模型构建,结合时序卷积神经网络(TCN)和长短期记忆网络(LSTM)建立TCN-LSTM预测模型,完成各特征的学习、叠加和重构,在此基础上采用增量学习的方法(GVMD-TSNE-TCN-LSTMre),基于参数冻结和全链接层更新的增量设计方法不断修改预测模型。最后,采用甘肃省某光伏场功率数据进行仿真验证,验证GVMD-TNSE数据处理的必要性、GTO参数优化算法对所选模型的时效性,以及整体模型的有效性。 展开更多

关键词 光伏发电 短期功率预测 增量学习 大猩猩优化算法 GVMD-TSNE特征分解提取 tcn-lstm预测模型

原文传递

基于LOBL-IRIME-TCN-LSTM模型的印刷园区电力负荷预测

5

作者 王志远 马添翼 +2 位作者 李婷 刘子宸 符蓉玥 《印刷与数字媒体技术研究》 北大核心 2025年第S2期118-128,共11页

印刷园区电力负荷预测对园区能源优化调度、供需平衡管理及碳减排目标实现具有关键意义。针对印刷生产过程中电力负荷呈现的强周期性波动、设备启停冲击等非线性特征,以及传统时间序列模型对复杂模式捕捉能力的局限性,本研究提出了基于... 印刷园区电力负荷预测对园区能源优化调度、供需平衡管理及碳减排目标实现具有关键意义。针对印刷生产过程中电力负荷呈现的强周期性波动、设备启停冲击等非线性特征,以及传统时间序列模型对复杂模式捕捉能力的局限性,本研究提出了基于融合Levy飞行策略、透镜成像反向学习策略(Levy Flight Opposition-Based Learning,LOBL)与无限折叠迭代混沌映射(Iterative Chaotic Map with Infinite Collapses,ICMIC)改进优化的TCN-LSTM预测模型LOBL-IRIME-TCN-LSTM的印刷园区电力负荷预测方法。本算法通过引入ICMIC映射初始化霜冰种群,借助该映射机制确保种群分布的均匀遍历性,进而有效提升算法早期收敛速度;同时引入Levy飞行与反向学习相结合的策略,通过Levy飞行的长程跳跃特性拓展反向学习对解空间的探索范围,进而增强算法的全局搜索能力并提升后期收敛速度。本研究以某印刷园区电力负荷数据为研究对象进行消融实验,并与其他模型进行对比分析实验。实验结果表明,本研究提出的预测模型性能更佳。 展开更多

关键词 霜冰优化算法 tcn-lstm 电力负荷预测 印刷园区

在线阅读 下载PDF 职称材料

基于TCN-LSTM算法和GGCN的地铁转向架故障监控预警模型构建研究

6

作者 景宝华 《自动化与仪器仪表》 2025年第4期87-91,共5页

针对地铁转向架故障监控预测的准确性问题,研究提出一种基于时间卷积网络与长短期记忆网络的地铁转向架故障监控预测方法。对于地铁转向架故障预警的实时性问题,使用基于图形处理器与通用矩阵乘法的卷积神经网络模型优化计算效率,由此... 针对地铁转向架故障监控预测的准确性问题,研究提出一种基于时间卷积网络与长短期记忆网络的地铁转向架故障监控预测方法。对于地铁转向架故障预警的实时性问题,使用基于图形处理器与通用矩阵乘法的卷积神经网络模型优化计算效率,由此构建地铁转向架故障监控预警模型。研究结果表明,网络层中确定的最佳链接方式为双残差链接,与并行化处理的图神经网络相比,研究方法的平均训练时间降低了约25%。并且研究模型仅需迭代61次就可达到平稳状态,此时的损失值与准确率分别对应0.071与99.1%。上述结果说明研究方法能有效提升地铁转向架故障监控预警的综合性能,避免因地铁故障造成的安全事故。 展开更多

关键词 tcn-lstm算法 GGCN 地铁转向架 故障监控 预警模型

原文传递

基于TCN-LSTM的仪器仪表动态预警方法

7

作者 常凌云 李大光 《信息与电脑》 2025年第9期146-150,共5页

仪器仪表的动态预警能够有效检测和分析设备的运行状态与趋势,降低生产事故风险。针对当前油气设备预警存在时效性差、自适应能力弱以及误报漏报等问题,提出了一种基于TCN-LSTM模型的仪器仪表动态预警方法。该方法先利用时间卷积网络(Te... 仪器仪表的动态预警能够有效检测和分析设备的运行状态与趋势,降低生产事故风险。针对当前油气设备预警存在时效性差、自适应能力弱以及误报漏报等问题,提出了一种基于TCN-LSTM模型的仪器仪表动态预警方法。该方法先利用时间卷积网络(Temporal Convolutional Network,TCN)提取融合高维设备运行数据的特征,再借助长短期记忆网络(Long Short-Term Memory,LSTM)挖掘特征数据与预警阈值间的关联关系,进而预测预警阈值,实现设备的动态预警。最后,基于真实生产数据的对比实验表明,该方法在阈值预测的精度、鲁棒性和稳定性方面具有显著优势。 展开更多

关键词 仪器仪表 动态预警 tcn-lstm模型 阈值预测

在线阅读 下载PDF 职称材料

基于TCN-LSTM-Attention模型的TBM掘进速度预测

8

作者 李磊 侍克斌 +3 位作者 毛启勇 张建明 姜海波 严新军 《人民长江》 北大核心 2025年第11期213-223,共11页

为了更准确地预测隧道掘进机(TBM)的掘进速度(PR),在分析常见机器学习模型优劣的基础上,提出了一种基于时空特征提取的TCN-LSTM-Attention模型。首先利用孤立森林(IF)和集合经验模态分解(EEMD)对TBM掘进的原始数据进行预处理,剔除异常... 为了更准确地预测隧道掘进机(TBM)的掘进速度(PR),在分析常见机器学习模型优劣的基础上,提出了一种基于时空特征提取的TCN-LSTM-Attention模型。首先利用孤立森林(IF)和集合经验模态分解(EEMD)对TBM掘进的原始数据进行预处理,剔除异常值并消除高频噪声;其次使用时序卷积神经网络(TCN)提取空间特征,再利用长短期记忆网络(LSTM)提取时间特征;最后通过注意力机制(Attention)对时空特征进行加权,实现非线性关系的精准拟合。实例应用表明:(1)与未经处理的数据相比,经过IF和EEMD预处理后,模型预测性能显著提升,在Ⅱ、Ⅲ_(a)、Ⅲ_(b)、Ⅳ、Ⅴ级围岩中,其决定系数(R^(2))分别提高了47.69%,43.77%,42.79%,42.25%和36.88%;(2)所提出的模型在各级围岩上的预测精度均优于RF、SVR和LSTM等模型,并且注意力机制能有效提升模型性能;(3)注意力权重分析显示,时空上相近的历史信息对未来信息的预测具有更大的影响;(4)在各级围岩组合的数据集中,该模型同样取得了较好的表现,均方误差(MSE)为3.743 3 (mm/min)^(2),R^(2)为96.22%。 展开更多

关键词 TBM掘进速度 时空特征 时序卷积神经网络 长短期记忆网络 注意力机制 隧洞

在线阅读 下载PDF 职称材料

基于TCN-LSTM与层次化注意力机制的机组疲劳预测

9

作者 季瑞童 高振兴 +1 位作者 张琳 朱佳梅 《南京航空航天大学学报(自然科学版)》 北大核心 2025年第6期1212-1221,共10页

为提高机组疲劳预测精度并实现异常行为早期预警,本研究提出了一种基于时序卷积网络和长短期记忆网络(Temporal convolutional network⁃long short⁃term memory,TCN⁃LSTM)与层次化注意力机制的机组疲劳状态预测方法。通过多尺度时序特... 为提高机组疲劳预测精度并实现异常行为早期预警,本研究提出了一种基于时序卷积网络和长短期记忆网络(Temporal convolutional network⁃long short⁃term memory,TCN⁃LSTM)与层次化注意力机制的机组疲劳状态预测方法。通过多尺度时序特征提取模块捕捉脑电(Electroencephalography,EEG)信号的时频特征与长期依赖关系,利用层次化注意力机制融合脑电与心理量表数据,并针对操纵飞行员和监控飞行员设计差异化预测策略。实验结果表明,该方法较单一模态预测模型提升15.3%的预测精度,预警时间窗提前至12.5 min。其中,TCN⁃LSTM混合网络的时序特征提取效率较常用LSTM网络提升22.7%,层次化注意力机制使多模态融合效能提高18.4%。该混合架构在预测时效性与准确性方面均优于单一深度学习模型,适用于航空人因工程的实时监测。 展开更多

关键词 飞行安全 机组疲劳预测 时序卷积网络 长短期记忆 层次化注意力机制 多模态融合 角色差异建模

在线阅读 下载PDF 职称材料

基于TCN-LSTM模型的页岩气产量预测

10

作者 史峥峥 李道伦 +1 位作者 付宁 张康 《合肥工业大学学报(自然科学版)》 北大核心 2025年第9期1259-1264,1275,共7页

准确预测页岩气产量有助于提前规划生产计划、优化生产方案。现有研究在进行产量预测时,往往需要长时间的生产数据或大量特征数据,当生产时间较短或特征数据较少时,难以准确预测产量。为此,文章提出一种具有注意力机制的时间卷积网络-... 准确预测页岩气产量有助于提前规划生产计划、优化生产方案。现有研究在进行产量预测时,往往需要长时间的生产数据或大量特征数据,当生产时间较短或特征数据较少时,难以准确预测产量。为此,文章提出一种具有注意力机制的时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network,TCN-LSTM)模型。该模型使用3口井生产数据联合训练,其中TCN和LSTM模块分别提取局部和全局特征,然后用全连接网络融合;并使用注意力机制聚焦关键信息,从已有井生产数据中学习流动规律,提高了对初期数据匮乏的新井的预测精度。结果表明,多井联合预测模型在精度和趋势预测方面均优于单井预测模型,基于平均绝对误差(mean absolute error,MAE)评估指标的预测精度提高了约4倍,并且减少了对长周期数据和多特征的依赖,在油藏开发中具有重要意义。 展开更多

关键词 时间卷积网络(TCN) 长短期记忆网络(LSTM) 注意力机制 产量预测 多井

在线阅读 下载PDF 职称材料

信号分解与TCN-LSTM构建及在石化企业外排口水质预测中的应用

11

作者 刘浩宇 王晨 +5 位作者 倪元 张芳 刘丽 张敏特 彭明国 张文艺 《环境化学》 北大核心 2025年第12期4809-4818,共10页

大型沿江石化企业外排水总排口为厂区内多种废水共用排口,污水来源复杂且现有在线监测设备存在严重滞后性,若化工装置泄漏引发水质突变,难以实时捕捉,精准预测是解决方法之一.为此本研究构建基于信号分解和神经网络的水质预测模型:首先... 大型沿江石化企业外排水总排口为厂区内多种废水共用排口,污水来源复杂且现有在线监测设备存在严重滞后性,若化工装置泄漏引发水质突变,难以实时捕捉,精准预测是解决方法之一.为此本研究构建基于信号分解和神经网络的水质预测模型:首先对历史水质监测数据进行清洗,接着采用信号分解技术将其分解,再基于信号特征聚类模块得到高、中、低频子模态,最后构建模型预测各子模态并叠加重构为最终预测结果.以沿江某石化企业2021年7月1日至2023年4月1日外排口实测数据为训练样本,在测试集中耦合模型具有良好预测性,最终化学需氧量均方根误差(RMSE)为0.56 mg·L^(−1),氨氮RMSE为0.26 mg·L^(−1),总磷RMSE为0.023 mg·L^(−1).所采用的适应噪声完备集合经验模态分解技术(CEEMDAN)可有效提取原始水质序列特征,使TCN-LSTM模型预测误差降低76%,特征聚类模块通过K-means方法将各个本征模态函数(IMF)合理组合,极大降低模型结构复杂度和减少模型数量.时间卷积网络(TCN)与长短期记忆(LSTM)模型组合后相较于单独采用TCN、LSTM预测精度分别提升约30%、37%,较好适应高频分量的急剧波动性.以2023年4月1日—2024年7月1日实测数据验证了耦合模型具有良好泛化能力,COD、NH_(3)-N、TP预测结果RMSE分别为0.84、0.32、0.02 mg·L^(−1),可敏感捕捉指标异常偏离趋势,充分挖掘了外排口水质监测数据的内在规律.本研究为沿江石化企业外排口水环境风险防控提供决策参考,对于推动在线水质监测智能化意义重大. 展开更多

关键词 水质预测 沿江石化企业 时间卷积网络(TCN) 长短期记忆网络模型(LSTM) 数据清洗 信号分解 信号聚类

原文传递

基于TCN-LSTM-ATTENTION下的短期电力负荷预测

12

作者 柴江帆 王岑海 袁泉 《现代工业经济和信息化》 2025年第4期260-261,264,共3页

提出了一种结合时间卷积网络(TCN)、长短期记忆网络(LSTM)和注意力机制的混合模型,用于电力负荷预测。通过残差连接提升模型的训练稳定性,解决梯度消失问题;TCN用于捕捉短期依赖性,LSTM用于处理长期依赖性,从而有效缓解传统模型在复杂... 提出了一种结合时间卷积网络(TCN)、长短期记忆网络(LSTM)和注意力机制的混合模型,用于电力负荷预测。通过残差连接提升模型的训练稳定性,解决梯度消失问题;TCN用于捕捉短期依赖性,LSTM用于处理长期依赖性,从而有效缓解传统模型在复杂性与泛化能力之间的矛盾。此外,内联注意力机制能够自动识别关键时段,并赋予其更高权重,进一步提高了预测的准确性。该模型增强了电力负荷预测的稳定性与泛化能力,为应对复杂时间序列预测中的挑战提供了有效解决方案。 展开更多

关键词 电力负荷预测 时间卷积网络(TCN) 长短期记忆网络(LSTM) 注意力机制

在线阅读 下载PDF 职称材料

基于TCN-LSTM模型的电网电能质量扰动分类研究 被引量：18

13

作者 王义国 林峰 +3 位作者 李琦 刘钰淇 胡贵洋 孟祥宇 《电力系统保护与控制》 EI CSCD 北大核心 2024年第17期161-167,共7页

随着新能源发电和众多电动汽车充电桩等非线性设备并网运行,电网电能质量问题日渐凸显。现有解决方案在电能质量扰动分类上流程复杂,且在处理扰动信号时分类准确率偏低。为应对这一挑战,引入了TCN-LSTM混合模型,融合了时域卷积网络(temp... 随着新能源发电和众多电动汽车充电桩等非线性设备并网运行,电网电能质量问题日渐凸显。现有解决方案在电能质量扰动分类上流程复杂,且在处理扰动信号时分类准确率偏低。为应对这一挑战,引入了TCN-LSTM混合模型,融合了时域卷积网络(temporal convolutional network,TCN)和长短时记忆网络(longshort-term memory,LSTM)。其中,TCN专注于捕捉时序数据的局部特性,而LSTM负责挖掘长期依赖关系,两者结合能够有效捕捉信号的局部特征和全局关系。为验证模型性能,对14种加入不同信噪比白噪声的电能质量扰动信号进行分类测试。结果表明,TCN-LSTM模型展现出较强的抗噪性能,并在与现有深度网络模型的对比中展现了更高的分类准确度。 展开更多

关键词 电能质量 扰动分类 tcn-lstm模型 时序数据 抗噪性能

在线阅读 下载PDF 职称材料

基于TCN-LSTM和气象相似日集的电网短期负荷预测方法 被引量：41

14

作者 刘辉 凌宁青 +1 位作者 罗志强 孙志媛 《智慧电力》 北大核心 2022年第8期30-37,共8页

为充分挖掘不同气象因素的相似日信息和输入特征蕴含的信息以提升负荷预测精度,提出一种基于时间卷积网络和长短期记忆网络组合(TCN-LSTM)和气象相似日集的电网短期负荷预测方法。首先通过Pearson系数和最大信息系数,选出与负荷强相关... 为充分挖掘不同气象因素的相似日信息和输入特征蕴含的信息以提升负荷预测精度,提出一种基于时间卷积网络和长短期记忆网络组合(TCN-LSTM)和气象相似日集的电网短期负荷预测方法。首先通过Pearson系数和最大信息系数,选出与负荷强相关的气象因素;然后根据该气象因素,选取最佳相似日组成气象相似日集,以气象相似日集负荷、历史负荷、气象因素和时间因素作为预测模型的输入特征;最后,搭建TCN-LSTM预测模型,用TCN进行特征提取后,再用LSTM网络完成短期负荷预测。以中国某地区的实际历史数据进行仿真验证,结果表明所提预测方法可有效提升负荷预测精度。 展开更多

关键词 气象相似日集 TCN LSTM网络 电网短期负荷预测

在线阅读 下载PDF 职称材料

基于融合FCN-TCN-LSTM的工业大用户可调节潜力分析模型 被引量：9

15

作者 李彬 明雨 +2 位作者 郝一浩 陈宋宋 王隗东 《电力自动化设备》 EI CSCD 北大核心 2023年第7期151-157,166,共8页

综合考虑调控成本和价格激励的影响,开展工业大用户双向可调节潜力的分时段分析是提升新型电力系统负荷管理能力的关键。建立一种基于融合全卷积网络、时域卷积网络、长短期记忆网络的模型,以分析工业大用户可调节潜力。建立全卷积网络... 综合考虑调控成本和价格激励的影响,开展工业大用户双向可调节潜力的分时段分析是提升新型电力系统负荷管理能力的关键。建立一种基于融合全卷积网络、时域卷积网络、长短期记忆网络的模型,以分析工业大用户可调节潜力。建立全卷积网络数据集重构模型,并基于典型负荷特性指标实现对具有高可调节潜力负荷数据的工业大用户的遴选;以高可调节潜力数据集为基础,建立改进时域卷积网络模型,对工业大用户进行调控成本影响下的可调节潜力分析测算。基于实际数据对所提模型进行验证,算例结果表明,所提模型可分析出工业大用户典型设备的可调节潜力,且模型的稳定性与精确度较高。 展开更多

关键词 需求响应 可调节潜力 工业设备调控 全卷积网络 时间卷积网络 长短期记忆网络

在线阅读 下载PDF 职称材料

基于多维可预知特征的TCN-LSTM城轨短期客流预测 被引量：5

16

作者 赵利强 李瑞森 +2 位作者 唐水雄 唐金金 张涛 《北京化工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期86-96,共11页

地铁客流量波动受众多因素影响,准确的客流预测数据有利于制定更高效的行车控制方案和客流管控方案。为提高客流预测精度,提出一种基于多维可预知特征的时序卷积神经网络-长短期记忆神经网络模型(TCNLSTM)地铁短期客流预测方法。考虑外... 地铁客流量波动受众多因素影响,准确的客流预测数据有利于制定更高效的行车控制方案和客流管控方案。为提高客流预测精度,提出一种基于多维可预知特征的时序卷积神经网络-长短期记忆神经网络模型(TCNLSTM)地铁短期客流预测方法。考虑外部因素的影响,引入Spearman相关系数分析并提取日期、天气等可预知特征及其状态集,以提升预测精度,缩小特征空间,克服了冗余特征数据导致的模型过于复杂问题;通过融合时序卷积神经网络(TCN)提取的客流时间序列特征和可预知特征状态集构建了长短期记忆神经网络(LSTM)层输入,组合模型学习客流与外部影响因素的长短期依赖,从而实现常规日、节假日、不同天气等多场景下的短期客流预测。基于某西南城市地铁刷卡交易数据,对比差分整合移动平均自回归模型(ARIMA)、TCN、LSTM及TCN-LSTM模型的短期客流预测结果,得出组合模型的总体平均绝对误差(MAE)值比其他方法低27%~48%,均方误差(MSE)值低13%~35%,平均绝对百分比误差(MAPE)值低2.8%~6.7%,上述3项指标均表明TCN-LSTM模型的客流预测效果更好。此外,对比实验表明通过融入提取的可预知特征数据,TCN-LSTM模型在测试集上的预测误差评价指标明显降低,所提方法能有效提高地铁短期客流预测精度。 展开更多

关键词 城市轨道交通 客流预测 长短期记忆神经网络(LSTM) 时序卷积神经网络(TCN) Spearman相关系数

在线阅读 下载PDF 职称材料

基于偏差补偿TCN-LSTM和梯级迁移策略的短期风电功率预测 被引量：6

17

作者 宋技峰 彭小圣 +4 位作者 杨子民 段睿钦 周彬彬 陈凯 王有香 《南方电网技术》 CSCD 北大核心 2023年第12期71-79,共9页

随着新能源在电力系统中的占比逐渐提高,新能源功率预测成为一个研究热点。但对于新建的风电场的功率预测则面临历史数据不足和特征迁移困难的问题。因此提出了一种基于偏差补偿TCN-LSTM和梯级迁移策略的短期风电功率预测方法。首先,将... 随着新能源在电力系统中的占比逐渐提高,新能源功率预测成为一个研究热点。但对于新建的风电场的功率预测则面临历史数据不足和特征迁移困难的问题。因此提出了一种基于偏差补偿TCN-LSTM和梯级迁移策略的短期风电功率预测方法。首先,将目标风电场的少量数据根据与源风电场的相关性大小分为两组,然后利用源风电场历史数据训练含有误差补偿模块的复合模型,最后以梯级迁移学习策略进行建模。相关算例分析表明基于TCN-LSTM的补偿梯级迁移模型预测精度相比同类直接预测模型提升1.23%。相关算例证明了所提出的方法的有效性。 展开更多

关键词 时间卷积网络-长短时记忆网络 短期风电功率预测 偏差补偿 梯级迁移策略

在线阅读 下载PDF 职称材料

基于Bi-TCN-LSTM的滚动轴承剩余使用寿命预测方法 被引量：8

18

作者 高萌 鲁玉军 《轻工机械》 CAS 2024年第3期66-73,79,共9页

由于时间卷积网络(temporal convolutional networks, TCN)感知场不足,轴承的关键退化信息常常被忽略,导致轴承剩余使用寿命(remaining useful life, RUL)预测结果不佳;而长短期记忆网络(long short-term memory, LSTM)随着数据量及序... 由于时间卷积网络(temporal convolutional networks, TCN)感知场不足,轴承的关键退化信息常常被忽略,导致轴承剩余使用寿命(remaining useful life, RUL)预测结果不佳;而长短期记忆网络(long short-term memory, LSTM)随着数据量及序列长度的增加,长期依赖问题仍可能得不到很好解决。因此,课题组提出了一种基于双向时间卷积网络和长短期记忆(Bi-TCN-LSTM)的滚动轴承寿命预测方法。首先对多传感器数据进行归一化并做融合处理,然后采用Bi-TCN-LSTM进行数据特征提取与深度学习,其中对TCN模块引入卷积注意力机制(convolutional attention module, CAM),将LSTM的3个门简化为1个门,有效加快了预测模型学习的速度并提高了预测模型的精确度;采用IEEE PHM 2012轴承数据集作为实验数据集,进行了RUL预测实验。结果表明:与其他先进的预测模型相比,Bi-TCN-LSTM方法预测结果的误差相对较低,预测性能较好。 展开更多

关键词 滚动轴承 剩余使用寿命预测 多传感器融合 时间卷积网络 长短期记忆网络

在线阅读 下载PDF 职称材料

基于CEEMDAN和TCN-LSTM模型的短期电力负荷预测 被引量：32

19

作者 赵星宇 吴泉军 朱威 《科学技术与工程》 北大核心 2023年第4期1557-1564,共8页

针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convol... 针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network,TCN-LSTM)混合模型的预测方法。所提算法先使用CEEMDAN方法将负荷数据分解为一系列相对平稳的子序列。同时为了降低后续计算规模,通过引入排列熵的方法将各子序列进行重组。然后,将各个重组序列输入到TCN-LSTM组合模型中,利用TCN模型提取特征并构建序列的特征向量,再基于LSTM模型对其进行训练及预测。最后把全部预测值进行相加得到完整的预测负荷值。通过使用欧洲某地真实负荷数据进行验证。结果表明:所提算法与其他常见的预测算法相比具有更高的预测精度,可为负荷预测等研究工作提供相关参考。 展开更多

关键词 自适应噪声的完备集合经验模态分解(CEEMDAN) 排列熵 时间卷积网络(TCN) 长短期记忆网络(LSTM) 短期电力负荷预测

在线阅读 下载PDF 职称材料

时间卷积长短时记忆网络煤矿平硐变形多步预测 被引量：1

20

作者 冀汶莉 淡新 +6 位作者 马晨阳 柴敬 吴玉意 秋风岐 刘文涛 雷武林 刘永亮 《煤炭科学技术》 北大核心 2025年第4期176-190,共15页

煤矿主平硐易受到外界因素的干扰,对其变形进行监测和预测十分重要。在光纤光栅监测平硐变形工程应用的基础上,提出了集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的时间卷积网络(Temporal Convolutional Network,TCN... 煤矿主平硐易受到外界因素的干扰,对其变形进行监测和预测十分重要。在光纤光栅监测平硐变形工程应用的基础上,提出了集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的时间卷积网络(Temporal Convolutional Network,TCN)结合长短时记忆神经网络(Long Short-Term-Memory Network,LSTM)的EEMD-TCN-LSTM平硐变形多步预测模型。首先,通过集成经验模态分解方法将包含有噪声的监测数据分解成若干本征模态函数(Intrinsic Mode Functions,IMF)分量。然后,计算IMF分量的模糊熵并选择有效IMF分量。最后,对不同有效分量序列利用TCN网络提取长时间维度特征,利用LSTM网络捕获非线性特征,叠加各分量预测结果。在预测模型的训练过程中采用多输出策略的多步预测方法,输出为未来多个时刻的光纤监测值。在不同光纤光栅传感器的监测数据上进行试验。结果表明:通过EEMD分解结合模糊熵法处理光纤监测数据,能在保留平硐变形信息的同时,过滤掉更多的噪声。与已有方法相比,预测方法在单步预测时,其评价指标决定系数(Coefficient of Determination,R^(2))可达到0.99,平方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)分别降低3.0%~10.0%和5.0%~20.0%,预测结果更准确。多输出策略下预测方法超前3步预测的R2平均为0.95,应变计的RMSE和MAE值至少降低了75.0%和31.5%,位移计的RMSE和MAE值至少降低了50.0%和66.7%,压力计的RMSE和MAE值至少降低了85.7%和62.3%,误差积累最低。集成经验模态分解的TCN-LSTM平硐变形多步预测方法,能够为巷道围岩变形预测提供技术基础。 展开更多

关键词 平硐变形 多步预测 tcn-lstm预测模型 集成经验模态分解 煤矿智能化

在线阅读 下载PDF 职称材料