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3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IKOA优化SAGRU的大坝变形预测模型 被引量：1
1
作者 胡伟泊 赵二峰 +1 位作者 胡灵芝 黎祎 《人民长江》 北大核心 2025年第6期222-228,共7页
为充分发掘大坝变形监测数据中的有效信息并提升监控模型的预测精度,提出了基于IKOA优化SAGRU的大坝变形预测模型。首先,在门控循环单元(GRU)中引入自注意力机制,通过计算时间维度特征的贡献率,有效捕捉实测数据中的关键时序特征,提升... 为充分发掘大坝变形监测数据中的有效信息并提升监控模型的预测精度,提出了基于IKOA优化SAGRU的大坝变形预测模型。首先,在门控循环单元(GRU)中引入自注意力机制,通过计算时间维度特征的贡献率,有效捕捉实测数据中的关键时序特征,提升模型对关键信息的敏感性;然后通过混沌映射初始化、Runge-Kutta位置更新和ESQ强化3种策略对开普勒优化算法(KOA)进行改进,以对耦合自注意力机制的门控循环单元(SAGRU)中的超参数进行自动寻优。应用实例表明:改进开普勒优化算法(IKOA)在寻优速度和精度方面均优于麻雀搜索算法、灰狼优化算法、北方苍鹰优化算法和传统KOA,模型的RMSE相比GRU、LSTM和XGBoost模型分别降低了48.45%,54.56%和58.14%,尤其在实测位移变化的关键拐点和峰值处,优化后的模型展现了更好的拟合效果,表明该模型能够全面挖掘大坝变形序列中的时序特征,解决了GRU记忆容量有限,以及传统优化算法收敛速度慢且易陷入局部最优解的问题,显著提高了大坝变形预测模型的准确性。 展开更多
关键词 大坝变形监测 门控循环单元(GRU) 改进开普勒优化算法(ikoa) 自注意力机制 深度学习 小湾双曲拱坝
在线阅读 下载PDF
基于超参数优化和误差修正的STAGN超短期风电功率预测 被引量：3
2
作者 潘超 王超 +1 位作者 孙惠 孟涛 《电力系统保护与控制》 北大核心 2025年第8期117-129,共13页
针对风电功率预测模型的数据关联性与误差修正适应性问题,提出基于超参数优化和误差修正单元切换的超短期风电功率预测方法。首先,构建时空注意力门控网络预测模型,利用改进开普勒算法进行超参数优化。然后,考虑风电场数据与预测误差之... 针对风电功率预测模型的数据关联性与误差修正适应性问题,提出基于超参数优化和误差修正单元切换的超短期风电功率预测方法。首先,构建时空注意力门控网络预测模型,利用改进开普勒算法进行超参数优化。然后,考虑风电场数据与预测误差之间的非线性关联,构建误差修正自适应单元。同时挖掘风速时序变化特征,构建深度学习单元。在此基础上,提出基于风速矩阵梯度的误差修正单元切换策略。最后,将模型应用于实际风场的功率预测并与其他模型对比分析。结果表明,所提方法在预测精度上优于其他方法,且在风速复杂多变的风场仍具有较高预测精度,验证了所提方法的准确性和适用性。 展开更多
关键词 超短期风电功率预测 改进开普勒算法 误差修正 风速矩阵梯度
在线阅读 下载PDF
基于改进开普勒优化算法的锂电池健康估计
3
作者 郭红戈 郭安庆 梁梓楠 《电力电子技术》 2025年第7期73-80,共8页
电池管理系统(BMS)是电动汽车的重要组成部分,近年来,锂电池的健康状态(SOH)估计成为国内外研究学者研究的热点之一,锂电池的SOH估计对于BMS的安全性和可靠性具有重要的意义。本文首先对锂电池的恒流-恒压(CC-CV)充放电过程进行分析,提... 电池管理系统(BMS)是电动汽车的重要组成部分,近年来,锂电池的健康状态(SOH)估计成为国内外研究学者研究的热点之一,锂电池的SOH估计对于BMS的安全性和可靠性具有重要的意义。本文首先对锂电池的恒流-恒压(CC-CV)充放电过程进行分析,提取健康因子(HI),将提取到的HI与SOH进行皮尔逊相关性分析。然后以锂电池的6个HI为输入,SOH为输出,搭建卷积神经网络-双向长短期记忆网络-注意力机制(CNN-BiLSTM-AM)联合模型。其次,由于CNN-BiLSTM-AM模型中网络层数、通道数量、学习率对实验结果会有很大影响,因此设计了开普勒优化算法(KOA)-DE,把DE中的交叉和变异策略引入KOA,使KOA的收敛性得到提升,并以F15和F30为研究对象,对比了KOA改进前后的收敛性能,发现KOA-DE比KOA的收敛性能更好。最后用KOA-DE寻得CNN-BiLSTM-AM中的最优参数后,应用到锂电池的SOH估计中,实验数据使用NASA历史数据集中B0005号数据集。实验结果显示,与其他方法相比,本文提出的方法的均方根误差(RMSE)为0.00211,估计效果更加。 展开更多
关键词 锂电池 健康状态 改进开普勒优化算法
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