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8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TCN-Transformer模型的毫米波雷达船舶目标识别方法
1
作者 方梦瑶 张贞凯 《电光与控制》 北大核心 2026年第3期90-95,110,共7页
针对毫米波雷达回波信号的目标分类问题,提出一种基于TCN-Transformer模型的船舶目标识别方法。通过时间积累方式采集数据并对采集的回波信号预处理得到与时间有关的序列数据。由于得到的序列数据为长序列,而传统方法在长序列目标分类... 针对毫米波雷达回波信号的目标分类问题,提出一种基于TCN-Transformer模型的船舶目标识别方法。通过时间积累方式采集数据并对采集的回波信号预处理得到与时间有关的序列数据。由于得到的序列数据为长序列,而传统方法在长序列目标分类时表现较差,为解决此问题,采用TCN和Transformer相结合来提取长序列数据特征。首先,利用改进的卷积结构捕获序列连续特征,然后,利用TCN中因果膨胀卷积来输出局部稳定特征,并通过Transformer来增强模型对长序列数据的建模能力,从而提取序列的全局特征;为解决小数据集情况下深层模型容易出现的过拟合问题,在损失函数中加入弹性权重,改进后的损失函数加快了模型收敛速度;最后,通过仿真实验的结果表明,所提方法在识别准确率方面有较好的表现。 展开更多
关键词 毫米波雷达 tcn-transformer模型 弹性权重损失 目标识别
在线阅读 下载PDF
多物理场下基于TCN-Transformer网络的变压器异常状态辨识
2
作者 冯俊杰 降国俊 +1 位作者 张广勇 刘雨飞 《山西电力》 2026年第1期20-26,共7页
变压器是电力系统中的关键设备,其状态稳定性对于保障电网的安全可靠具有决定性作用。为应对变压器在实际运行中易受负载和环境影响难以准确评估其健康状态的问题,在分析变压器电-热-振动特征的基础上,采用k-means++算法对所提取的变压... 变压器是电力系统中的关键设备,其状态稳定性对于保障电网的安全可靠具有决定性作用。为应对变压器在实际运行中易受负载和环境影响难以准确评估其健康状态的问题,在分析变压器电-热-振动特征的基础上,采用k-means++算法对所提取的变压器负载电流、环境温度和运行电压3个关键参数进行工况划分,提出了一种基于TCN-Transformer的融合模型,实现了对变压器工况的异常状态辨识。以500 kV变压器进行试验,结果表明,所提出的TCN-Transformer模型在预测精度方面明显优于对比算法,可以更全面地捕捉数据中的重要信息,较好地实现了变压器多变量特征序列预测。 展开更多
关键词 变压器 多物理场 tcn-transformer 时序预测 工况聚类 异常状态辨识
在线阅读 下载PDF
基于相似日聚类和WOA-VMD-TCN-Transformer模型的短期光伏功率研究
3
作者 赵丹阳 汤旭晶 +1 位作者 汪恬 郭威 《太阳能学报》 北大核心 2025年第11期210-218,共9页
针对光伏输出功率波动显著且预测难度较大的问题,提出一种基于相似日聚类的WOA-VMD-Transformer的组合光伏功率预测模型。首先,利用K-means++算法进行相似日聚类;然后,采用鲸鱼优化算法(WOA)对变分模态分解(VMD)的参数进行寻优,将光伏... 针对光伏输出功率波动显著且预测难度较大的问题,提出一种基于相似日聚类的WOA-VMD-Transformer的组合光伏功率预测模型。首先,利用K-means++算法进行相似日聚类;然后,采用鲸鱼优化算法(WOA)对变分模态分解(VMD)的参数进行寻优,将光伏功率序列分解为多个本征模态函数(IMF);将IMF分量和气象因子加权合并成新的特征向量输入后续模型;并基于TCN-Transformer模型,分别预测不同天气类型下的IMF,叠加后得到预测值。最后,以澳大利亚中部爱丽丝泉沙漠太阳能研究中心的Hanwha Solar光伏场站一年的光伏发电和气象数据作为实例,对模型的有效性加以验证。消融实验和综合评估表明,所提模型在各类天气下均可取得较高的预测精度。 展开更多
关键词 预测 深度学习 变分模态分解 相似日聚类 tcn-transformer 光伏
原文传递
TCN-Transformer模型在鄂尔多斯盆地长8储层孔隙度预测精准评价
4
作者 刘心如 曾滨鑫 刘卫东 《河北地质大学学报》 2025年第5期48-56,共9页
孔隙度是储层评价的重要参数。然而传统方法主要依赖物理实验测定、测井解释经验公式受限于非线性地质建模能力,导致预测精度有限。为提高储层参数预测精度,论文建立了一种基于时间卷积网络(TCN)与Transformer融合的储层参数预测模型,... 孔隙度是储层评价的重要参数。然而传统方法主要依赖物理实验测定、测井解释经验公式受限于非线性地质建模能力,导致预测精度有限。为提高储层参数预测精度,论文建立了一种基于时间卷积网络(TCN)与Transformer融合的储层参数预测模型,基于皮尔逊相关系数优选测井数据作为模型输入,同时采用遗传算法对模型进行超参数寻优,将该方法应用于鄂尔多斯盆地西南部长8油层组,并对比其与单一Transformer、CNN及TCN模型的预测效果。实验结果表明:相较于其他3种模型,TCN-Transformer模型的平均绝对误差(MAE)以及均方根误差(RMSE)更低,拟合优度(R^(2))更接近于1,表明其有更高的预测精度。此外,TCN-Transformer模型在未经训练和调参的独立测试集上的预测误差最低,展现出较强的泛化能力。该方法为孔隙度预测提供了高精度工具,对储层评价与开发方案有实际应用价值。 展开更多
关键词 孔隙度预测 深度学习 tcn-transformer模型 测井数据 遗传算法
在线阅读 下载PDF
基于TCN-Transformer与混合超参数优化的轴承剩余寿命预测模型
5
作者 袁诗佳 余江 +1 位作者 麦竣深 刘祥源 《南方农机》 2026年第5期119-122,129,共5页
【目的】解决现有模型跨工况适应性低、难以部署至边缘设备、对非平稳噪声鲁棒性不足等问题,提升模型预测精度。【方法】文章提出了一种结合时序卷积网络(TCN)和Transformer的轴承剩余寿命预测模型,并设计了Hyperband与Optuna两阶段超... 【目的】解决现有模型跨工况适应性低、难以部署至边缘设备、对非平稳噪声鲁棒性不足等问题,提升模型预测精度。【方法】文章提出了一种结合时序卷积网络(TCN)和Transformer的轴承剩余寿命预测模型,并设计了Hyperband与Optuna两阶段超参数优化策略:通过Hyperband快速筛选出关键超参数范围,再经Optuna基于贝叶斯进行搜索精细化,实现高效调参,可在轴承退化数据中实现高效特征融合。最后,该模型通过集成FEMTO-ST和XJTU-SY两个公开轴承数据集进行了系统性训练与验证,并与CNN、Transformer、TCN等主流模型进行了对比试验。【结果】该TCN-Transformer模型在多项性能指标上均显著优于传统结构,尤其在复杂退化趋势建模与多工况预测任务中具备更强泛化能力。【结论】该预测模型在农业机械领域展现出卓越的预测性能与良好的跨场景泛化能力,在工业级RUL预测应用中具备较高的部署价值与稳定性。未来可进一步探索其在复杂工业场景下的实时部署能力以及融合自监督学习与迁移学习机制的潜力。 展开更多
关键词 轴承 剩余寿命预测 tcn-transformer 时序卷积网络 超参数优化
在线阅读 下载PDF
基于TCN-Transformer混合架构的中低速磁浮列车制动模型
6
作者 王果 石开 +3 位作者 闵永智 吕微熹 夏楷哲 吴艾玲 《科学技术与工程》 2026年第6期2579-2591,共13页
针对中低速磁浮列车传统单质点制动模型电制动响应延迟、液压补偿离散导致的列车制动建模问题,提出了基于TCN-Transformer(temporal convolutional network-transformer)混合架构的制动模型。通过三级预处理体系构建:涡流测速数据缺失... 针对中低速磁浮列车传统单质点制动模型电制动响应延迟、液压补偿离散导致的列车制动建模问题,提出了基于TCN-Transformer(temporal convolutional network-transformer)混合架构的制动模型。通过三级预处理体系构建:涡流测速数据缺失值插补、运行状态分解和多尺度窗口特征生成,融合时间卷积网络的局部时序模式捕获能力,结合Transformer的全局动态关联建模优势,建立中低速磁浮列车制动特性预测方法。实验表明,该模型在50步长预测时平均绝对误差为1.114 km/h,较单体Transformer模型降低7.2%;线路实测数据集验证显示,模型制动响应时间较传统动力学模型提前22.1 s,消除最高限速段超限波动,停车位移误差缩小32.4%。研究表明,混合架构通过多尺度特征融合有效解决了电-液混合制动动态补偿的非线性建模问题,为磁浮列车智能制动系统提供了具有实时预测能力的解决方案。 展开更多
关键词 中低速磁浮列车 tcn-transformer混合架构 制动建模 多尺度特征融合 时间序列预测
在线阅读 下载PDF
基于改进Transformer模型的尾矿坝异常监测数据分析研究
7
作者 阮顺领 刘佳佳 +1 位作者 胡毅馨 王京 《黄金科学技术》 北大核心 2025年第5期1074-1085,共12页
针对尾矿坝多传感器监测系统中频繁出现异常数据,严重影响尾矿坝安全评估的问题,提出了一种改进的TCN-Transformer混合架构异常检测模型。该模型在传统Transformer模型上引入时间卷积网络(TCN)组件,替代模型中的绝对位置编码,能够有效... 针对尾矿坝多传感器监测系统中频繁出现异常数据,严重影响尾矿坝安全评估的问题,提出了一种改进的TCN-Transformer混合架构异常检测模型。该模型在传统Transformer模型上引入时间卷积网络(TCN)组件,替代模型中的绝对位置编码,能够有效捕捉时间序列数据中复杂的长期依赖关系,提升了模型异常检测的精度。同时,对模型的自注意力机制进行优化,通过采用分支结构设计并融入极大和极小值策略,提取尾矿坝时间序列的空间特征,使得重构误差与关联差异在检测过程中相互增强,增强模型异常检测的性能。试验结果表明,本研究提出的TCN-Transformer异常检测模型平均精度值F1达到0.9486,在检测精度和性能上较传统模型有所提升,对尾矿坝时序数据异常检测和安全管理具有重要意义。 展开更多
关键词 尾矿坝 时序数据 异常检测 tcn-transformer模型
在线阅读 下载PDF
台风天气下考虑可用装机容量不确定性的短期风电功率预测方法
8
作者 张元赫 杨明 +3 位作者 于一潇 王勃 李梦林 王传琦 《高电压技术》 北大核心 2025年第9期4869-4879,共11页
台风天气导致风电功率的波动性和随机性显著增强,传统预测模型通常利用已知装机容量或最大最小值法对数据进行标准化处理,无法有效映射局部的强波动情况,同时由于风机切出停机而导致的风电场站可用装机容量动态变化同样存在强不确定性... 台风天气导致风电功率的波动性和随机性显著增强,传统预测模型通常利用已知装机容量或最大最小值法对数据进行标准化处理,无法有效映射局部的强波动情况,同时由于风机切出停机而导致的风电场站可用装机容量动态变化同样存在强不确定性。为此,首先揭示了台风天气对风电场站发电的影响机理;然后构建了TCN-Transformer神经网络模型预测,分别预测台风过境时风电场站的可用装机容量和单位发电功率;最后利用预测可用装机容量对单位预测功率进行反演,得到台风天气下风电场站预测功率。以中国广东省某风电场为例对所提方法进行了验证,结果表明所提出的台风场景下功率预测方法在准确性和可靠性方面有显著提升。 展开更多
关键词 台风天气 关键气象要素 动态归一化 可用装机容量 tcn-transformer 功率预测
原文传递
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