期刊文献+
共找到1,057篇文章
< 1 2 53 >
每页显示 20 50 100
Gearbox Fault Diagnosis using Adaptive Zero Phase Time-varying Filter Based on Multi-scale Chirplet Sparse Signal Decomposition 被引量:16
1
作者 WU Chunyan LIU Jian +2 位作者 PENG Fuqiang YU Dejie LI Rong 《Chinese Journal of Mechanical Engineering》 SCIE EI CAS CSCD 2013年第4期831-838,共8页
When used for separating multi-component non-stationary signals, the adaptive time-varying filter(ATF) based on multi-scale chirplet sparse signal decomposition(MCSSD) generates phase shift and signal distortion. To o... When used for separating multi-component non-stationary signals, the adaptive time-varying filter(ATF) based on multi-scale chirplet sparse signal decomposition(MCSSD) generates phase shift and signal distortion. To overcome this drawback, the zero phase filter is introduced to the mentioned filter, and a fault diagnosis method for speed-changing gearbox is proposed. Firstly, the gear meshing frequency of each gearbox is estimated by chirplet path pursuit. Then, according to the estimated gear meshing frequencies, an adaptive zero phase time-varying filter(AZPTF) is designed to filter the original signal. Finally, the basis for fault diagnosis is acquired by the envelope order analysis to the filtered signal. The signal consisting of two time-varying amplitude modulation and frequency modulation(AM-FM) signals is respectively analyzed by ATF and AZPTF based on MCSSD. The simulation results show the variances between the original signals and the filtered signals yielded by AZPTF based on MCSSD are 13.67 and 41.14, which are far less than variances (323.45 and 482.86) between the original signals and the filtered signals obtained by ATF based on MCSSD. The experiment results on the vibration signals of gearboxes indicate that the vibration signals of the two speed-changing gearboxes installed on one foundation bed can be separated by AZPTF effectively. Based on the demodulation information of the vibration signal of each gearbox, the fault diagnosis can be implemented. Both simulation and experiment examples prove that the proposed filter can extract a mono-component time-varying AM-FM signal from the multi-component time-varying AM-FM signal without distortion. 展开更多
关键词 zero phase time-varying filter multi-scale CHIRPLET sparse signal decomposition speed-changing gearbox fault diagnosis
在线阅读 下载PDF
Research on multi-time scale doubly-fed wind turbine test system based on FPGA+CPU heterogeneous calculation
2
作者 Qing Mu Xing Zhang +3 位作者 Xiaoxin Zhou Xiaowei Fan Yingmei Liu Dongbo Pan 《Global Energy Interconnection》 2019年第1期7-18,共12页
As the proportion of renewable energy increases, the interaction between renewable energy devices and the grid continues to enhance. Therefore, the renewable energy dynamic test in a power system has become more and m... As the proportion of renewable energy increases, the interaction between renewable energy devices and the grid continues to enhance. Therefore, the renewable energy dynamic test in a power system has become more and more important. Traditional dynamic simulation systems and digital-analog hybrid simulation systems are difficult to compromise on the economy, flexibility and accuracy. A multi-time scale test system of doubly fed induction generator based on FPGA+ CPU heterogeneous calculation is proposed in this paper. The proposed test system is based on the ADPSS simulation platform. The power circuit part of the test system is setup up using the EMT(electromagnetic transient simulation) simulation, and the control part uses the actual physical devices. In order to realize the close-loop testing for the physical devices, the power circuit must be simulated in real-time. This paper proposes a multi-time scale simulation algorithm, in which the decoupling component divides the power circuit into a large time scale system and a small time scale system in order to reduce computing effort. This paper also proposes the FPGA+CPU heterogeneous computing architecture for implementing this multitime scale simulation. In FPGA, there is a complete small time-scale EMT engine, which support the flexibly circuit modeling with any topology. Finally, the test system is connected to an DFIG controller based on Labview to verify the feasibility of the test system. 展开更多
关键词 Renewable energy gen erati on DOUBLY fed in duction generator ADPSS simulati on SYSTEM Wind turbine test SYSTEM multi-time scale FPGA+CPU
在线阅读 下载PDF
Are diurnal time-budgets and activity patterns density-dependent in the Shelduck (Tadorna tadorna) wintering in Algeria? An analysis across multiple temporal scales 被引量:1
3
作者 Djamel Bensizerara Haroun Chenchouni 《Avian Research》 CSCD 2019年第2期171-185,共15页
Background: The Shelduck (Tadorna tadorna) is a characteristic waterbird species of inland wetlands in northeastern Algeria. Its wintering behavior in relation to changes of local abundances and foraging group density... Background: The Shelduck (Tadorna tadorna) is a characteristic waterbird species of inland wetlands in northeastern Algeria. Its wintering behavior in relation to changes of local abundances and foraging group density is poorly known. Objectives: This study aims at monitoring patterns of diurnal activities and the variation of behavioral time-budgets in relation to numbers of wintering Shelducks. We investigate temporal variations of diurnal activities across multipletime scales and consider their interrelationships. Methods: Assessments of local population abundance were weekly surveyed during two wintering seasons (2010– 2012), whereas diurnal activities (feeding, sleeping, swimming, preening, loafing, flying, courtship, and antagonism) were studied three times a month during seven hours (08:00–16:00) using the Scan method. Time budget variations of each behavioral activity were tested using nested ANOVAs following multiple time scales. Generalized linear mixedeffects models (GLMM) tested whether variations in diurnal activities were density-dependent. Results: During the wintering season, Shelduck’s numbers followed a bell-shaped trend, which indicated that the species was typically a wintering migrant in Sabkha Djendli. The first individuals arrived onsite in October–November then numbers reached a peak in January (up to 2400 individuals in 2012) with steady density during December–February, afterward individuals left the site progressively until late April when the site is deserted. During both wintering seasons, diurnal activities were dominated by feeding (60%), followed by sleeping (12%) then swimming and preening with 9% and 8%, respectively. The rest of the activities (loafing, flying, courtship and antagonistic behaviors) had low proportions of time budget. ANOVAs showed that activity time budgets varied significantly following multiple time scales (year, season, month, day, semi-hour). Time budgets of diurnal activities during each wintering season were significantly interrelated. Correlations patterns between the two seasons were similar. GLMMs revealed that the variations of diurnal activities were not density-dependent, except for preening and swimming. Conclusion: During the wintering season, habitats of Sabkha Djendli are important for waterbirds, including the Shelduck that used the lake mainly for food-foraging and resting. The 2400 individuals censused in mid-winter are important locally and at the North African scale. This stresses the need to strengthen the protection status of this wetland and mitigate degradation sources that threaten wintering waterfowl. 展开更多
关键词 ANATIDAE multi-temporal scales North African wetlands time budget WATERBIRD CENSUS
在线阅读 下载PDF
An Effective Numerical Calculation Method for Multi-Time-Scale Mathematical Models in Systems Biology
4
作者 Yohei Motomura Hiroyuki Hamada Masahiro Okamoto 《Applied Mathematics》 2016年第17期2241-2268,共28页
The improvements of high-throughput experimental devices such as microarray and mass spectrometry have allowed an effective acquisition of biological comprehensive data which include genome, transcriptome, proteome, a... The improvements of high-throughput experimental devices such as microarray and mass spectrometry have allowed an effective acquisition of biological comprehensive data which include genome, transcriptome, proteome, and metabolome (multi-layered omics data). In Systems Biology, we try to elucidate various dynamical characteristics of biological functions with applying the omics data to detailed mathematical model based on the central dogma. However, such mathematical models possess multi-time-scale properties which are often accompanied by time-scale differences seen among biological layers. The differences cause time stiff problem, and have a grave influence on numerical calculation stability. In the present conventional method, the time stiff problem remained because the calculation of all layers was implemented by adaptive time step sizes of the smallest time-scale layer to ensure stability and maintain calculation accuracy. In this paper, we designed and developed an effective numerical calculation method to improve the time stiff problem. This method consisted of ahead, backward, and cumulative algorithms. Both ahead and cumulative algorithms enhanced calculation efficiency of numerical calculations via adjustments of step sizes of each layer, and reduced the number of numerical calculations required for multi-time-scale models with the time stiff problem. Backward algorithm ensured calculation accuracy in the multi-time-scale models. In case studies which were focused on three layers system with 60 times difference in time-scale order in between layers, a proposed method had almost the same calculation accuracy compared with the conventional method in spite of a reduction of the total amount of the number of numerical calculations. Accordingly, the proposed method is useful in a numerical analysis of multi-time-scale models with time stiff problem. 展开更多
关键词 Finite Difference Method Stiff Equation multi-time-scale Systems Biology Mathematical Analysis
在线阅读 下载PDF
基于PowerTimeMixer模型的短期电力负荷预测方法 被引量:1
5
作者 李裕民 李宏杰 +3 位作者 李晓嘉 曹媛媛 谢毅 张超 《电网技术》 北大核心 2025年第10期4216-4227,I0058,共13页
文章针对现有电力负荷预测方法未能充分捕获电力负荷数据的周期性和趋势性特性导致预测稳定性差的问题,提出了一种短期电力负荷预测模型PowerTimeMixer。首先,基于解耦思想对原始时间序列进行时序分解,并以多尺度方式学习时序的周期和... 文章针对现有电力负荷预测方法未能充分捕获电力负荷数据的周期性和趋势性特性导致预测稳定性差的问题,提出了一种短期电力负荷预测模型PowerTimeMixer。首先,基于解耦思想对原始时间序列进行时序分解,并以多尺度方式学习时序的周期和趋势特性;其次,引入卷积下采样机制并通过网络参数共享来匹配循环周期,进一步增强电力负荷数据周期模式的特征提取能力;最后,采用独立的日期模式驱动预测模块,使用多层感知机对输入序列和目标序列时间戳特征进行编码,独立地学习时间戳特征,引导网络根据时间戳特征生成更稳定的预测结果。在电力负荷数据集上的实验结果表明,所提出的方法相比基准模型的预测误差显著降低,具有更稳定的预测性能,从而验证了方法的有效性。 展开更多
关键词 电力负荷预测 时序分解 多尺度解耦 日期模式驱动预测 多层感知机
原文传递
基于P2H-氢储-氢气管网协同的互联电氢综合能源系统多时间尺度动态优化调度
6
作者 孙亮 王奕霏 +2 位作者 党翠 李卓骏 刘佳奥 《电气工程学报》 北大核心 2026年第1期94-107,共14页
针对可再生能源高比例渗透下多区域综合能源互联系统(Multi-region integrated energy interconnection system,MRIEIS)所面临的消纳与经济性挑战,构建了一个包含电、氢、热、冷多能流的多时间尺度优化调度模型。该模型以系统日总运行... 针对可再生能源高比例渗透下多区域综合能源互联系统(Multi-region integrated energy interconnection system,MRIEIS)所面临的消纳与经济性挑战,构建了一个包含电、氢、热、冷多能流的多时间尺度优化调度模型。该模型以系统日总运行成本最低为目标,建立动态多能流枢纽深度集成了电转氢(Power to hydrogen,P2H)、储氢罐、氢气管网以及燃气轮机(GT)掺氢等动态调度关键技术。通过日前、日内、实时三阶段滚动优化对系统进行精细化调度。算例分析基于一个包含居民、工业和混合型区域的典型场景,结果表明,该模型能够有效实现系统经济性与环保性的统一,总运行成本控制在56.48万元,同时系统总可再生能源利用率高达98.53%。氢能作为灵活的能量载体,其时空价值得到了充分发挥。掺氢策略有效刺激了氢能消耗,形成了“制-储-输-用”的闭环,为构建以新能源为主体的新型电力系统提供了可行的技术路径和调度策略参考。 展开更多
关键词 多区域互联系统 掺氢比动态优化 氢气管网 多时间尺度
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
7
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》 北大核心 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
基于多尺度的多变量时间序列异常检测模型
8
作者 尹春勇 张不凡 《计算机应用》 北大核心 2026年第3期790-797,共8页
多变量时间序列数据常表现出多尺度特征和复杂的相互依赖性,给异常检测带来了挑战。为了解决这一问题,提出一种基于多尺度的多变量时间序列异常检测模型M3AD(Multi-scale Mamba Multi-layer perceptron Anomaly Detection)。首先,采用... 多变量时间序列数据常表现出多尺度特征和复杂的相互依赖性,给异常检测带来了挑战。为了解决这一问题,提出一种基于多尺度的多变量时间序列异常检测模型M3AD(Multi-scale Mamba Multi-layer perceptron Anomaly Detection)。首先,采用多尺度特征提取方法,即通过在不同时间尺度上分割时间序列,捕捉短期和长期模式;其次,利用多层感知机(MLP)和卷积层进行特征学习,提取局部和高级特征表示;再次,引入选择性状态空间模型(SSM)Mamba,通过它高效的处理能力捕捉长序列中的关键信息;最后,通过基于KL(Kullback-Leibler)散度的损失函数和异常分数计算,实现对异常的敏感检测。为了验证模型的有效性,将M3AD与Anomaly Transformer和MEMTO等7种模型在4个公共数据集上对比。实验结果表明,M3AD在精确率、召回率和F1分数等关键指标上相较于对比方法展现出显著优势和领先性能,验证了M3AD在多变量时间序列异常检测任务中的有效性和优越性。 展开更多
关键词 异常检测 多尺度特征提取 时间序列 状态空间模型 无监督学习
在线阅读 下载PDF
襄阳东站超长复杂结构设计
9
作者 张卫 张慎 +1 位作者 王杰 黄国胜 《建筑结构》 北大核心 2026年第1期41-49,共9页
襄阳东站主站房为“桥建合一”的线上式高架站房,属于超长结构。主体结构采用钢管混凝土柱框架结构,站房屋盖采用空间钢网格结构。采用有限元软件ABAQUS对整体结构进行罕遇地震动力弹塑性时程分析,应用多尺度建模技术对屋盖铸钢节点进... 襄阳东站主站房为“桥建合一”的线上式高架站房,属于超长结构。主体结构采用钢管混凝土柱框架结构,站房屋盖采用空间钢网格结构。采用有限元软件ABAQUS对整体结构进行罕遇地震动力弹塑性时程分析,应用多尺度建模技术对屋盖铸钢节点进行罕遇地震动力弹塑性分析,采用实体单元对关键节点进行精细化建模,并通过自由度约束方程对梁单元和实体单元进行多尺度连接。结果表明:最大层间位移角小于规范限值;结构分叉柱以及大部分框架柱处于弹性状态;少部分框架柱有轻微损坏;承轨层框架梁、托柱梁、框架柱均处于轻微损坏范围内;结构构件性能均满足预期性能目标,关键节点处于弹性状态,仅局部楼板损伤。 展开更多
关键词 襄阳东站 高架站房 超长结构 动力弹塑性时程分析 多尺度分析 关键节点 抗震性能
在线阅读 下载PDF
基于特征融合及多尺度上下文提取的实时语义分割
10
作者 刘伯红 刘磊 《重庆邮电大学学报(自然科学版)》 北大核心 2026年第1期167-176,共10页
针对实时语义分割算法常用的双分支结构存在空间分支和上下文分支特征融合不充分、多尺度上下文信息提取不全面等问题,提出基于特征融合及多尺度上下文提取的实时语义分割网络。设计空间-多尺度双向注意力融合模块,使用空间注意力机制... 针对实时语义分割算法常用的双分支结构存在空间分支和上下文分支特征融合不充分、多尺度上下文信息提取不全面等问题,提出基于特征融合及多尺度上下文提取的实时语义分割网络。设计空间-多尺度双向注意力融合模块,使用空间注意力机制和多尺度特征融合模块实现双分支交互融合,促进空间特征以及语义特征在双分支上的流动;在上下文分支末端设计了串联聚合金字塔池化模块,更精确地捕捉细节信息;聚合空间分支不同阶段特征,增强模型对图像特征的全面理解能力,促进深层特征与浅层特征的深度融合;使用多尺度注意力特征融合模块引导空间分支和上下文分支融合。实验结果表明,构建的网络在Cityscapes数据集上平均交并比(mean intersection over union,MIoU)达到78.0%,推理速度为104.5 Frame/s;在CamVid数据集上,MIoU达到75.9%,推理速度为224.6 Frame/s。 展开更多
关键词 实时语义分割 特征融合 注意力机制 多尺度上下文提取
在线阅读 下载PDF
计及电热特性动态耦合的含风电配网多时间尺度协同优化研究
11
作者 刘昀 成俊贤 +3 位作者 郝思鹏 刘海涛 赵美莲 赖业宁 《电网技术》 北大核心 2026年第4期1672-1684,I0088,共14页
在含高比例分散式风电的配电网热稳定性评估中,传统静态热定值(static thermal rating,STR)未计及风速的影响,可能引起非必要弃风与切负荷。对此,文章分析了风速对架空线路热稳定裕度的动态影响,据此电热特性的动态耦合设计了热稳定裕... 在含高比例分散式风电的配电网热稳定性评估中,传统静态热定值(static thermal rating,STR)未计及风速的影响,可能引起非必要弃风与切负荷。对此,文章分析了风速对架空线路热稳定裕度的动态影响,据此电热特性的动态耦合设计了热稳定裕度增量(thermal stability margin increment,TSMI)指标,并建立了配电网多时间尺度协同优化模型。基于改进金豺优化算法、内点法与基于TSMI的启发式算法的综合求解框架,实现了日前动态重构以及日内配网调度与实时安全校核的协同优化。仿真结果表明,相比STR指标,所提TSMI可有效判断系统的热稳定性,据此提出的协同优化方法因避免非必要弃风与切负荷代价而具有显著的经济性优势,且TSMI计算的快速性保障了实时安全校核的分析效率。 展开更多
关键词 动态热定值 分散式风电 电热动态耦合 多时间尺度优化
原文传递
考虑分级备用的源荷储协同优化调度
12
作者 孟祥飞 袁振华 +3 位作者 石冰珂 张元欣 邱轩宇 刘念 《现代电力》 北大核心 2026年第1期104-115,I0004,共13页
随着呈现“双高”特征的新型电力系统的不断发展与可调火电资源的日益紧张,新能源预测误差带来的备用配置问题逐渐成为人们关注的焦点,同时源荷储系统可调资源的丰富化为备用留取提供了更多的途径。针对源荷储系统中不同时间尺度备用协... 随着呈现“双高”特征的新型电力系统的不断发展与可调火电资源的日益紧张,新能源预测误差带来的备用配置问题逐渐成为人们关注的焦点,同时源荷储系统可调资源的丰富化为备用留取提供了更多的途径。针对源荷储系统中不同时间尺度备用协同优化这一难题,使用互补集合经验模态分解方法对电网净负荷预测误差进行多时间尺度分解,为合理平衡风险与备用配置的矛盾,使用条件风险价值对系统风险进行刻画,提出计及弃风光切负荷风险的分级备用协同优化方法。在此基础上,考虑源荷储多类型系统响应特性,以备用配置成本、发电效益与系统潜在风险为目标,建立考虑分级备用的源荷储协同互补优化调度模型。算例结果表明,所提分级备用优化方法能合理权衡系统风险与备用配置,有效提高系统的可靠性,实现保供应、促消纳。 展开更多
关键词 备用配置 多时间尺度分解 源荷储系统 协同互补 弃风 切负荷
原文传递
含光热电站的虚拟电厂多时间尺度热电联合优化调度
13
作者 张国斌 朱岑 +3 位作者 袁桂丽 付余 李洪波 杭晨辉 《现代电力》 北大核心 2026年第2期265-275,共11页
为提高虚拟电厂调度计划的精确性,充分挖掘虚拟电厂内灵活性资源的调节潜力,该文提出一种日前–日内多时间尺度优化调度方法,对风光出力和负荷分别进行日前预测和日内预测。采用储能电池对日内风光出力波动进行平抑。利用光热电站对热... 为提高虚拟电厂调度计划的精确性,充分挖掘虚拟电厂内灵活性资源的调节潜力,该文提出一种日前–日内多时间尺度优化调度方法,对风光出力和负荷分别进行日前预测和日内预测。采用储能电池对日内风光出力波动进行平抑。利用光热电站对热电机组解耦,降低热电机组最小出力,考虑不同响应速度的需求响应资源,建立含光热电站的虚拟电厂多时间尺度热电联合优化调度模型,采用自适应遗传算法求解。算例仿真结果表明:相较于传统日前调度,多时间尺度优化调度能够获得更加精细的调度计划,进一步促进风光消纳,降低虚拟电厂出力偏差,提高虚拟电厂经济性。 展开更多
关键词 虚拟电厂 多时间尺度 储能电池 光热电站 自适应遗传算法
原文传递
基于Time-Causality模型的供热用气量预测分析 被引量:1
14
作者 孙志伟 贾洪川 马永军 《计算机应用与软件》 北大核心 2020年第7期313-319,共7页
目前关于时间序列预测的特征选择一直是研究的热点,但很少有学者分析多时间尺度下不同特征对预测的差异。提出基于Granger关系的Time-Causality预测模型,利用Granger关系进行特征选择,引入时间维度作为输入维度,并利用LSTM模型进行实验... 目前关于时间序列预测的特征选择一直是研究的热点,但很少有学者分析多时间尺度下不同特征对预测的差异。提出基于Granger关系的Time-Causality预测模型,利用Granger关系进行特征选择,引入时间维度作为输入维度,并利用LSTM模型进行实验,在多时间尺度下分析预测供热用气量的特征。实验结果表明:Time-Causality模型能筛选到更有助于用气量预测的特征;从不同的时间尺度预测,所选取的特征不同;每个特征的预测作用也可能会随时间尺度的变化而变化。这为长期和短期预测提供理论和实践支持。 展开更多
关键词 多变量时间序列数据 多时间尺度分析 特征选择 Granger关系
在线阅读 下载PDF
基于改进Informer模型的无人机姿态估计方法
15
作者 肖蘅 包乃源 +1 位作者 周文 杨亚婷 《现代电子技术》 北大核心 2026年第4期57-63,共7页
传统无人机姿态估计方法由于传感器精度不高和设备成本限制,难以满足复杂环境中的精确需求。为此,提出一种基于改进Informer模型的无人机姿态估计方法,引入多尺度时间注意力机制和动态时间规整(DTW)损失函数,提升模型在长序列数据处理... 传统无人机姿态估计方法由于传感器精度不高和设备成本限制,难以满足复杂环境中的精确需求。为此,提出一种基于改进Informer模型的无人机姿态估计方法,引入多尺度时间注意力机制和动态时间规整(DTW)损失函数,提升模型在长序列数据处理和动态飞行数据适应方面的能力。此外,采用遗传算法对模型超参数进行优化,显著提高了复杂飞行数据处理的准确性和鲁棒性。基于苏黎世大学机器人实验室发布的UZH-FPV竞赛数据集,将改进后的Informer模型与LSTM、GRU和DNN模型进行了实验对比。结果表明,改进Informer模型在无人机的俯仰角、滚转角和偏航角估计方面均显著优于其他对比模型。 展开更多
关键词 无人机姿态估计 Informer模型 多尺度时间注意力机制 动态时间规整损失函数 遗传算法优化 长序列数据处理
在线阅读 下载PDF
基于三分支网络的实时图像语义分割
16
作者 任凤雷 高紫阳 +3 位作者 张炎 周海波 杨璐 秦志昌 《光学精密工程》 北大核心 2026年第1期167-177,共11页
针对自动驾驶环境感知等应用场景对算法准确性和实时性的严苛要求,为了有效平衡语义分割模型的精度与推理速度,提出一种基于三分支网络的实时图像语义分割算法。借鉴PIDNet算法设计三分支网络结构,分别用于提取图像的细节信息、语义上... 针对自动驾驶环境感知等应用场景对算法准确性和实时性的严苛要求,为了有效平衡语义分割模型的精度与推理速度,提出一种基于三分支网络的实时图像语义分割算法。借鉴PIDNet算法设计三分支网络结构,分别用于提取图像的细节信息、语义上下文信息和边缘信息。在语义分支设计高效金字塔池化模块,用于获取不同尺度的上下文信息,同时增大网络特征感受野。在细节分支和边缘分支设计轻量高效的多尺度通道交互注意力模块,以对提取到的特征进行增强。最后,融合上述三分支提取的图像特征并输出最终的语义分割结果。实验结果表明,所提出的基于三分支网络的实时图像语义分割算法在Cityscapes数据集取得了79.2%mIoU及88.5 frame/s的实时语义分割性能,在CamVid数据集取得了80.5%mIoU及140.1 frame/s的实时语义分割性能。本文提出的算法可以高效地实现图像语义分割任务,实时性和准确性方面均获得了极佳的平衡,语义分割性能显著优于现有基准方法。 展开更多
关键词 语义分割 深度学习 实时性 注意力机制 多尺度特征
在线阅读 下载PDF
高时间分辨率用电数据驱动的低压配电台区用户相序识别方法
17
作者 周巍 朱梦梦 +7 位作者 孙严智 赵龙海 崔晨 蒋维 马振宇 谢宇 邓亚琪 曹璞璘 《云南电力技术》 2026年第1期10-15,共6页
随着智能电网和高频用电数据采集技术的发展,配电台区用户相序识别成为实现低压配电网精细化管理的重要基础。本文提出了一种基于分钟级高频采集用电数据的台区用户相序识别方法。在方法设计上,首先利用短时滑窗对用户电压时间序列进行... 随着智能电网和高频用电数据采集技术的发展,配电台区用户相序识别成为实现低压配电网精细化管理的重要基础。本文提出了一种基于分钟级高频采集用电数据的台区用户相序识别方法。在方法设计上,首先利用短时滑窗对用户电压时间序列进行分段处理,以捕捉局部波动特征;随后引入多时间窗口结果融合策略,基于用户相序在一定时间内保持不变的先验假设,将多个窗口的识别结果综合统计,从而提高相序判定的稳定性和准确性。在新型电力系统示范台区的实测数据上进行验证,选取连续5天、共15480条高频电压数据作为实验对象,结果显示用户相序识别准确率可达到98.5%以上,部分用户可达100%。实验结果表明,该方法能够有效利用高频数据特性,抑制噪声和异常波动对识别的影响,为配电台区的智能运维、负荷分析和配电网优化提供了可靠的数据支撑和应用基础。 展开更多
关键词 相序识别 高频采集用电数据 多时间尺度融合 相似性分析
在线阅读 下载PDF
基于CNN-LSTM-CMA-GRU的多尺度中期负荷预测方法
18
作者 曹雯 范冰 +3 位作者 徐铭铭 景力涛 李德军 汤文俊 《电力需求侧管理》 2026年第2期57-63,共7页
精准的中期电力负荷预测对电力调度与资源优化至关重要。基于电力调度对日级负荷极值管理的实际需求,以日最大/最小负荷为预测粒度研究中期负荷预测。针对传统方法在长时间预测中因历史负荷和多维外部变量的耦合关系衰减导致的误差累积... 精准的中期电力负荷预测对电力调度与资源优化至关重要。基于电力调度对日级负荷极值管理的实际需求,以日最大/最小负荷为预测粒度研究中期负荷预测。针对传统方法在长时间预测中因历史负荷和多维外部变量的耦合关系衰减导致的误差累积问题,提出一种融合交叉多头注意力机制(CMA)的深度神经网络时序预测方法。该模型采用三重创新设计:首先,双支卷积神经网络(CNN)-长短期记忆网络(LSTM)分别提取负荷序列的局部形态特征和外部变量的时序关联;其次,交叉多头注意力层建立历史负荷与未来时段外部变量的动态权重映射;最后,通过门控循环单元(GRU)实现多尺度特征的自适应融合。实验结果表明,该模型在中期电力负荷预测任务中表现出较高的准确性和鲁棒性。 展开更多
关键词 中期负荷预测 交叉多头注意力 多时间尺度 CNN-LSTM 深度神经网络
在线阅读 下载PDF
融合多尺度特征和注意力机制的时间序列预测模型
19
作者 潘建 汪绪豪 《计算机科学》 北大核心 2026年第2期180-186,共7页
目前,在时间序列预测任务的研究中,基于Transformer的模型主要关注从时序数据中提取全局性和局部性特征,并通过改进注意力机制以降低模型的复杂度。然而,现有方法往往忽略了时间序列在多个尺度上展现出的不同粒度特征。针对这一问题,提... 目前,在时间序列预测任务的研究中,基于Transformer的模型主要关注从时序数据中提取全局性和局部性特征,并通过改进注意力机制以降低模型的复杂度。然而,现有方法往往忽略了时间序列在多个尺度上展现出的不同粒度特征。针对这一问题,提出了一种融合多尺度特征和注意力机制的时间序列预测模型——MTSformer。首先,通过对原始序列进行下采样,得到多个尺度的子序列,使模型能够融合多个尺度的特征信息,从而增强泛化能力;其次,使用多预测头代替传统的解码器,在提升预测速度的同时降低模型的复杂度;最后,在5个基准数据集上进行了实验,结果显示,与现有的方法相比,MTSformer模型在时间序列预测上的MSE平均降低了24.51%,MAE平均降低了17.84%。 展开更多
关键词 时间序列预测 多尺度特征 TRANSFORMER 多预测头 下采样
在线阅读 下载PDF
多源异频数据多尺度融合:基于Transformer的煤炭需求预测研究
20
作者 邵枫 冯雨 +3 位作者 沈浩楠 耿国强 黄鹏 邵虎 《煤炭经济研究》 2026年第1期37-45,共9页
准确预测煤炭需求对于保障国家能源安全、稳定市场价格及制定宏观经济政策具有至关重要的作用。然而,影响煤炭需求的因素众多,其相关数据往往来源于不同部门,具有日度、旬度、月度等多样的采集频率,给传统预测模型带来了巨大挑战。为解... 准确预测煤炭需求对于保障国家能源安全、稳定市场价格及制定宏观经济政策具有至关重要的作用。然而,影响煤炭需求的因素众多,其相关数据往往来源于不同部门,具有日度、旬度、月度等多样的采集频率,给传统预测模型带来了巨大挑战。为解决该问题,提出一种融合多频率特征的深度学习模型——多频时间序列Transformer(MFT-Former),用于煤炭需求预测。该方法首先通过一套系统化的数据处理流程,将多源异构的原始数据清洗、对齐并重采样为3个时间同步的高、中、低频特征矩阵。随后,将此3个矩阵作为并行输入,送入一个特殊设计的多输入Transformer网络。该网络包含3个独立的编码器分支,分别捕捉各频率下的时间依赖模式,并通过一个融合层将提取到的深层特征进行整合,实现对未来煤炭需求的预测。利用包含多个经济与行业指标的真实数据集,以过去12个月的数据预测未来6个月的需求为任务,对模型预测表现进行评估。实验结果表明,MFT-Former模型能够有效融合不同时间尺度的信息,其在测试集上的平均绝对百分比误差达到6.24%,证明了该方法在处理复杂、多频时间序列预测问题上的有效性和准确性。 展开更多
关键词 煤炭需求预测 多源异频数据 多尺度特征融合 TRANSFORMER 时间序列预测
原文传递
上一页 1 2 53 下一页 到第
使用帮助 返回顶部