期刊文献+
共找到6,234篇文章
< 1 2 250 >
每页显示 20 50 100
基于Transformer的时间序列预测方法综述 被引量:4
1
作者 陈嘉俊 刘波 +2 位作者 林伟伟 郑剑文 谢家晨 《计算机科学》 北大核心 2025年第6期96-105,共10页
时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制... 时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制,在自然语言处理与计算机视觉领域取得突破,也开始拓展至时间序列预测领域并取得显著成果。因此,探究如何将Transformer高效运用于时间序列预测,成为推动该领域发展的关键。首先,介绍了时间序列的特性,阐述了时间序列预测的常见任务类别及评估指标。接着,深入解析Transformer的基本架构,并挑选了近年来在时间序列预测中广受关注的Transfo-rmer衍生模型,从模块及架构层面进行分类,并分别从问题解决、创新点及局限性3个维度进行比较和分析。最后,进一步探讨了时间序列预测Transformer在未来可能的研究方向。 展开更多
关键词 时间序列 Transformer模型 深度学习 注意力机制 预测
在线阅读 下载PDF
基于CNN模型的地震数据噪声压制性能对比研究 被引量:1
2
作者 张光德 张怀榜 +3 位作者 赵金泉 尤加春 魏俊廷 杨德宽 《石油物探》 北大核心 2025年第2期232-246,共15页
地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信... 地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信息损失以及依赖人工提取特征等局限性。为克服传统方法的不足,采用时频域变换并结合深度学习方法进行地震噪声压制,并验证其应用效果。通过构建5个神经网络模型(FCN、Unet、CBDNet、SwinUnet以及TransUnet)对经过时频变换的地震信号进行噪声压制。为了定量评估实验方法的去噪性能,引入了峰值信噪比(PSNR)、结构相似性指数(SSIM)和均方根误差(RMSE)3个指标,比较不同方法的噪声压制性能。数值实验结果表明,基于时频变换的卷积神经网络(CNN)方法对常见的地震噪声类型(包括随机噪声、海洋涌浪噪声、陆地面波噪声)具有较好的噪声压制效果,能够提高地震数据的信噪比。而Transformer模块的引入可进一步提高对上述3种常见地震数据噪声类型的压制效果,进一步提升CNN模型的去噪性能。尽管该方法在数值实验中取得了较好的应用效果,但仍有进一步优化的空间可供探索,比如改进网络结构以适应更复杂的地震信号,并探索与其他先进技术结合,以提升地震噪声压制性能。 展开更多
关键词 地震噪声压制 深度学习 卷积神经网络(CNN) 时频变换 TRANSFORMER
在线阅读 下载PDF
基于改进RT-DETR的饼干包装外观缺陷快速检测 被引量:2
3
作者 古莹奎 叶彪彪 +1 位作者 郭明健 连增卫 《食品与机械》 北大核心 2025年第2期234-241,共8页
[目的]针对现有食品包装缺陷实时检测模型参数量庞大和计算复杂、在终端设备上部署困难等问题,提出一种基于改进RT-DETR的轻量化模型SGHS-DETR。[方法]采用超轻量化网络StarNet作为特征提取主干以降低模型参数,引入基于梯度路径规划的... [目的]针对现有食品包装缺陷实时检测模型参数量庞大和计算复杂、在终端设备上部署困难等问题,提出一种基于改进RT-DETR的轻量化模型SGHS-DETR。[方法]采用超轻量化网络StarNet作为特征提取主干以降低模型参数,引入基于梯度路径规划的高效聚合模块GELAN进行特征融合并保留语义和细节特征;采用基于小波分解的HWD轻量级下采样模块减少特征信息损失,并替换损失函数为ShapeIoU进一步提升模型的检测精度。[结果]SGHS-DETR模型在饼干包装数据集上的平均检测精度达到92.6%,较基准模型参数量和计算复杂度分别降低了65.5%和72.1%,同时检测速度提升了74.4%。[结论]SGHS-DETR模型能够快速有效地检测出饼干包装外观缺陷。 展开更多
关键词 食品包装 缺陷检测 轻量化 RT-DETR StarNet
在线阅读 下载PDF
基于双向门控循环单元网络的心音分段 被引量:2
4
作者 卢官明 许梦悦 +3 位作者 卢峻禾 戚继荣 赵宇航 王洋 《南京邮电大学学报(自然科学版)》 北大核心 2025年第3期58-66,共9页
为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing... 为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing Transform,SST)技术提取各个时间步短时窗口内心音信号的瞬时频率特征;然后,将各个时间步提取的瞬时频率特征构成序列并输入到Bi‑GRU网络,利用Bi‑GRU网络挖掘特征序列的上下文依赖关系,提取心音信号的上下文时频特征;最后,使用Softmax分类器将心音信号分成第一心音(S1)、第二心音(S2)、S1‑S2间期、S2‑S1间期4种状态类别。在PhysioNet/CinC Challenge 2016数据集上的实验结果表明,提出的心音分段算法总体准确率为93.30%,S1状态的平均F1得分为0.9538,S2状态的平均F1得分为0.9450,优于基线心音分段算法LR‑HSMM的性能指标,验证了该算法能有效地对心音信号进行分段,为心音信号的特征提取与分析提供了基础。 展开更多
关键词 心音分段 短时傅里叶变换 同步挤压变换 双向门控循环单元
在线阅读 下载PDF
基于Transformer模型的时序数据预测方法综述 被引量:15
5
作者 孟祥福 石皓源 《计算机科学与探索》 北大核心 2025年第1期45-64,共20页
时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据... 时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。 展开更多
关键词 深度学习 时序数据预测 数据预处理 Transformer模型
在线阅读 下载PDF
基于STFT的电能质量谐波检测 被引量:1
6
作者 余茂全 张雅洁 盛海军 《湖南工业职业技术学院学报》 2025年第1期6-10,共5页
针对电能质量谐波检测问题,介绍了短时傅里叶变换(STFT)以及采用STFT作为时频分析工具分析电能质量扰动的方法,在STFT中选取不同窗长的窗函数对同一电能质量谐波信号进行时频分解,分析不同窗长对检测结果的影响。仿真结果表明,相对于传... 针对电能质量谐波检测问题,介绍了短时傅里叶变换(STFT)以及采用STFT作为时频分析工具分析电能质量扰动的方法,在STFT中选取不同窗长的窗函数对同一电能质量谐波信号进行时频分解,分析不同窗长对检测结果的影响。仿真结果表明,相对于传统的傅里叶变换,STFT对电能质量谐波检测具有较高的准确度,选取适当的窗函数,时频分辨率也得到较大提高,有助于电能质量的治理。 展开更多
关键词 短时傅里叶变换 STFT 电能质量 时频分析
在线阅读 下载PDF
基于机器学习的简支梁式渡槽结构地震响应与易损性分析 被引量:3
7
作者 韦芳芳 林澳庆 +2 位作者 赵有正 王永泉 陈卓然 《河海大学学报(自然科学版)》 北大核心 2025年第3期101-108,共8页
为提高渡槽结构地震响应预测的速度和精度,以界河渡槽为研究对象,采用Midas Civil-2021构建有限元模型,在验证有限元模型可靠性的基础上,基于该模型获取样本数据,利用长短期记忆(LSTM)算法和时序转换(TSTF)算法构建机器学习模型来预测... 为提高渡槽结构地震响应预测的速度和精度,以界河渡槽为研究对象,采用Midas Civil-2021构建有限元模型,在验证有限元模型可靠性的基础上,基于该模型获取样本数据,利用长短期记忆(LSTM)算法和时序转换(TSTF)算法构建机器学习模型来预测渡槽非线性地震响应,并通过调整时间窗口大小和采样周期使预测结果达到最佳。对槽墩顶点位移响应的预测结果表明,LSTM模型和TSTF模型平均准确率分别为76.22%和88.30%;与有限元模型的预测速度相比,LSTM模型和TSTF模型分别提升了128.54%和47.90%。对渡槽结构易损性分析结果表明,槽墩的损伤超越概率随着水位上升而逐渐增大。 展开更多
关键词 简支梁式渡槽 地震响应预测 机器学习 长短期记忆算法 时序转换算法
在线阅读 下载PDF
浮放包装件运动状态与摇摆响应分析
8
作者 朱大鹏 祁振民 李国芳 《振动与冲击》 北大核心 2025年第13期113-121,共9页
浮放包装件在运输过程中会产生多种运动状态,包装件摇摆响应可能会导致包装件倾覆,影响着浮放包装件的运输安全。研究在水平振动载荷作用下,浮放包装件摇摆响应过程中,包装件底部和车辆的碰撞,构建浮放包装件碰撞运动方程,根据碰撞点处... 浮放包装件在运输过程中会产生多种运动状态,包装件摇摆响应可能会导致包装件倾覆,影响着浮放包装件的运输安全。研究在水平振动载荷作用下,浮放包装件摇摆响应过程中,包装件底部和车辆的碰撞,构建浮放包装件碰撞运动方程,根据碰撞点处法向速度突变参数在不同条件下的演化,分析包装件可能产生的响应状态,总结出影响包装件运动状态的参数条件。在摇摆响应条件下,采用时间转换法,研究包装件非光滑连续摇摆响应过程,分析表明,在s=0所对应的时刻包装件和车辆发生碰撞。根据碰撞时刻,将包装件的非光滑摇摆运动划分为多个光滑摇摆响应区间,提高了包装件摇摆响应数值分析效率。分别在正弦激励和随机振动激励条件下分析浮放包装件的摇摆响应,分析结果表明,该方法具有准确性好、效率高的优点。 展开更多
关键词 浮放包装件 碰撞响应状态 非光滑摇摆 时间转换法
在线阅读 下载PDF
基于AI的噪声环境下远距离高清音频采集研究 被引量:1
9
作者 黄丽娜 《现代电子技术》 北大核心 2025年第4期130-134,共5页
为提升远距离采集音频信号的强度,深度滤除音频信号噪声以提取有用音频部分,提出一种基于AI的噪声环境下远距离高清音频采集方法。构建远距离高清音频采集结构,分别通过模拟增益和数字增益技术进行音频信号增益处理,以提升音频信号强度... 为提升远距离采集音频信号的强度,深度滤除音频信号噪声以提取有用音频部分,提出一种基于AI的噪声环境下远距离高清音频采集方法。构建远距离高清音频采集结构,分别通过模拟增益和数字增益技术进行音频信号增益处理,以提升音频信号强度。依据短时傅里叶变换提取音频增益信号频域特征,输入到长短期记忆网络中,实现音频信号深度噪声去除,得到高清音频频域信息;再通过短时傅里叶逆变换处理该信号,实现音频信号重构,最终达到噪声环境下远距离高清音频采集的目的。实验验证结果表明:依据音频信号增益能够有效提升采集音频信号的强度,并避免信号受距离、噪声影响而逐渐衰减,继而有效滤除音频信号噪声数据,提取其中有用的音频信号,确保音频信号高清度;且最终采集音频信号信噪比均高于18 dB,可懂度均高于97%,有效验证了所提方法的有效性和准确性。 展开更多
关键词 高清音频采集 AI 噪声环境 信号强度 远距离 长短期记忆网络 短时傅里叶变换
在线阅读 下载PDF
基于局部时序建模与Transformer的机器人运动技能学习
10
作者 朱晓庆 南博睿 +5 位作者 宫婉儒 毕兰越 郑忻宜 朱晓宇 吴通 张川 《北京理工大学学报》 北大核心 2025年第9期968-978,共11页
为了提高机器人运动技能学习的效率和精度,提出一种基于序列特征处理的动作决策Transformer模型,命名为门控机制Transformer(gated mechanism Transformer,GMT).模型以GPT-2为核心,结合门控机制提取隐藏状态特征,通过自回归建模捕捉时... 为了提高机器人运动技能学习的效率和精度,提出一种基于序列特征处理的动作决策Transformer模型,命名为门控机制Transformer(gated mechanism Transformer,GMT).模型以GPT-2为核心,结合门控机制提取隐藏状态特征,通过自回归建模捕捉时间依赖关系,解决机器人运动数据中深层特征难以提取的问题.同时,利用参数共享策略细化预测特征完成动作推理.GMT在MuJoCo平台的三个机器人运动技能任务中进行了验证.实验结果表明,GMT在学习效率和精度方面较Decision Transformer最高提升28.5%.研究表明,GMT能够高效建模机器人运动序列特征,为机器人动作决策提供新的技术方案. 展开更多
关键词 机器人运动 局部时序建模 TRANSFORMER 门控机制 自回归建模
在线阅读 下载PDF
一类时变非线性系统的精确解 被引量:2
11
作者 刘畅 王国夫 +1 位作者 宋禹含 姜文安 《动力学与控制学报》 2025年第3期56-65,共10页
本文提出了一种新的时空非线性变换,并将其应用于一类时变非线性系统的求解问题.通过坐标变换推导了系统的可积条件,得到可解的常系数线性微分方程.基于逆变换和常系数线性微分方程的解析解,导出了原系统的精确解.把1/2阶贝塞尔方程作... 本文提出了一种新的时空非线性变换,并将其应用于一类时变非线性系统的求解问题.通过坐标变换推导了系统的可积条件,得到可解的常系数线性微分方程.基于逆变换和常系数线性微分方程的解析解,导出了原系统的精确解.把1/2阶贝塞尔方程作为该类时变非线性系统的特殊情况,并利用该理论得到其精确解.最后,通过一些数值仿真验证了该方法的有效性和正确性. 展开更多
关键词 时变系统 变换理论 精确解 可积性条件
在线阅读 下载PDF
基于时间融合Transformer的港池基坑开挖诱发形变的智能预测模型
12
作者 黄雨 刘侃侃 +4 位作者 程天笑 朱艳 熊敏 赵翠珠 彭铭 《应用基础与工程科学学报》 北大核心 2025年第5期1287-1296,共10页
大型港池工程的基坑开挖阶段是整个建设过程中安全风险最高的环节.为提高形变预测精度并保障施工安全,提出一种基于时间融合Transformer(TFT)的多源信息融合预测模型.该模型在某超大型港池项目中引入历史形变数据与关键工程特征,构建混... 大型港池工程的基坑开挖阶段是整个建设过程中安全风险最高的环节.为提高形变预测精度并保障施工安全,提出一种基于时间融合Transformer(TFT)的多源信息融合预测模型.该模型在某超大型港池项目中引入历史形变数据与关键工程特征,构建混合深度学习框架,实现对未来形变趋势的精准预测.实验结果表明,模型在预测精度方面表现优异,平均绝对误差(MAE)为0.3755mm,均方误差(MSE)为0.2597mm^(2),平均绝对百分比误差(MAPE)为0.7971%.通过消融实验,验证了模型在实际工程中的适用性与有效性,为类似大型水工结构的变形监测提供了可靠的技术解决方案. 展开更多
关键词 港池工程 滨海软土 深度学习 形变预测 时间融合Transformer模型 工程结构信息
原文传递
基于ResNet18与K折交叉验证的电机轴承故障诊断 被引量:1
13
作者 胡山 朱向华 《自动化与仪表》 2025年第4期40-45,共6页
针对电机轴承故障诊断过程中现有的特征提取与高效分类问题,提出并验证了一种融合短时傅里叶变换(STFT)、深度残差网络(ResNet18)与K折交叉验证的电机轴承故障诊断方法。该方法首先采用STFT将电机轴承的一维振动信号转换为二维时频图;然... 针对电机轴承故障诊断过程中现有的特征提取与高效分类问题,提出并验证了一种融合短时傅里叶变换(STFT)、深度残差网络(ResNet18)与K折交叉验证的电机轴承故障诊断方法。该方法首先采用STFT将电机轴承的一维振动信号转换为二维时频图;然后,对转换后的时频图使用ResNet18进行迁移学习训练,通过五折交叉验证策略评估其在电机轴承故障诊断中的表现,在十分类故障诊断训练中取得98.96%的平均准确率;最后,在相同条件下将ResNet18替换为经典的深度学习模型AlexNet重新训练,其在训练集上的平均准确率为97.05%,相较于ResNet18,AlexNet在处理经STFT转换的时频图像时,学习能力明显不足。综合分析,基于STFT、ResNet18和五折交叉验证融合的电机轴承故障诊断方法具有较高诊断精度与鲁棒性。 展开更多
关键词 电机轴承故障诊断 深度学习 K折交叉验证 短时傅里叶变换 迁移学习
在线阅读 下载PDF
基于时序二维变换和多尺度Transformer的电能质量扰动分类方法 被引量:2
14
作者 王守相 李慧强 +3 位作者 赵倩宇 郭陆阳 王同勋 王洋 《电力系统自动化》 北大核心 2025年第7期198-207,共10页
随着新能源渗透率的不断提高,电网面临的电能质量扰动(PQD)问题变得更加复杂,基于一维PQD信号的传统分类方法难以同时提取并辨识周期性与趋势性扰动。针对此问题,提出了一种基于时序二维变换和多尺度Transformer的PQD分类方法。首先,利... 随着新能源渗透率的不断提高,电网面临的电能质量扰动(PQD)问题变得更加复杂,基于一维PQD信号的传统分类方法难以同时提取并辨识周期性与趋势性扰动。针对此问题,提出了一种基于时序二维变换和多尺度Transformer的PQD分类方法。首先,利用时序二维变换将一维PQD时间序列转换为一组基于多个周期的二维张量,以实现在二维空间中深入挖掘PQD信号中所包含的特征信息。然后,通过多尺度Transformer编码器模块提取PQD信号的多尺度特征图,利用多尺度Transformer解码器模块对多尺度特征图进行拼接和特征融合,有效合并在不同尺度上提取的特征图。最后,通过全连接层和Softmax分类器完成PQD分类任务。为验证所提方法的有效性,建立了含24种PQD的数据集对模型进行测试,结果表明所提方法对PQD信号具有较高的分类准确率和噪声鲁棒性。 展开更多
关键词 电能质量 扰动 分类 时序二维变换 多尺度Transformer 特征提取 特征融合
在线阅读 下载PDF
基于自适应形态学滤波与霍夫变换的水声通信信号检测方法
15
作者 王洋 沈同圣 +2 位作者 汪涛 乔钢 周锋 《通信学报》 北大核心 2025年第7期29-44,共16页
为了解决水声通信信号检测易受到水下信道环境和严重噪声干扰的问题,基于水声通信信号的结构特征(SC),提出了一种基于自适应形态学滤波(AMF)与霍夫变换(HT)的水声通信信号检测方法。该方法采用短时分数阶傅里叶变换(STFRFT),调整分数阶... 为了解决水声通信信号检测易受到水下信道环境和严重噪声干扰的问题,基于水声通信信号的结构特征(SC),提出了一种基于自适应形态学滤波(AMF)与霍夫变换(HT)的水声通信信号检测方法。该方法采用短时分数阶傅里叶变换(STFRFT),调整分数阶域旋转角度匹配信号相位特性,显著提升时频能量聚集度,形成边界清晰的带状SC;基于时频图像素邻域局部密度设计AMF,动态调整结构元素的尺度因子来增强信号细节SC;构建HT模型,通过全局投票机制检测带状SC,从而实现高效、准确的水声通信信号检测。实验结果表明,不同信道环境下所提方法在泛化能力、检测概率、检测效率方面具有更好的鲁棒性和有效性。 展开更多
关键词 水声通信 信号检测 短时分数阶傅里叶变换 自适应形态学滤波 霍夫变换
在线阅读 下载PDF
时间压力作用下知识存量对即兴行为的影响机制
16
作者 王永跃 张范颖 +1 位作者 岳峰凯 谢江佩 《心理学报》 北大核心 2025年第10期1791-1812,共22页
即兴行为是一种兼具即时性和创造性的行为模式。然而,目前结合其本质内涵以详述即兴行为生成机制的研究尚显不足。为此,本研究整合知识联结理论与激活理论,分别契合即兴行为的创造性与即时性特征,探讨了时间压力下知识存量对个体即兴行... 即兴行为是一种兼具即时性和创造性的行为模式。然而,目前结合其本质内涵以详述即兴行为生成机制的研究尚显不足。为此,本研究整合知识联结理论与激活理论,分别契合即兴行为的创造性与即时性特征,探讨了时间压力下知识存量对个体即兴行为的影响机制。研究1 (N=163)和研究2 (N=163)分别以大学生及组织员工为被试,通过实验发现知识存量通过增强知识转化进而促进个体即兴行为;尤其在中时间压力情境下,上述关系更为强烈;研究3(N=201)开展多时点配对问卷调查,进一步确证了时间压力在知识存量对知识转化的影响过程中发挥倒U型调节效应,进而通过知识转化作用于即兴行为。通过3个研究得出结论:在中等时间压力下,知识存量通过影响知识转化从而更有利于激发个体即兴行为;而在高或低时间压力下则更弱,以此全面揭示时间压力作用下知识存量赋能即兴行为的生成过程机制,这为有效依据其特征进行理论整合提供了新视角,并对理解即兴行为的动态性和复杂性具有积极的意义。 展开更多
关键词 即兴行为 知识存量 知识转化 时间压力
在线阅读 下载PDF
基于ARIMA和IndRNN组合模型的数据中心CPU负载预测
17
作者 李国 王菁菁 李静 《计算机应用与软件》 北大核心 2025年第11期183-190,共8页
针对数据中心的负载时间序列同时具有线性和非线性的复杂特性,单一模型在建模预测中常表现出一定的局限性。对此,提出一种融合小波分解的ARIMA(Auto Regressive Integrated Moving Average)和IndRNN(Independently Recurrent Neural Net... 针对数据中心的负载时间序列同时具有线性和非线性的复杂特性,单一模型在建模预测中常表现出一定的局限性。对此,提出一种融合小波分解的ARIMA(Auto Regressive Integrated Moving Average)和IndRNN(Independently Recurrent Neural Network)组合负载预测模型。通过哈尔小波将序列分解成趋势子序列和细节子序列,并分别利用ARIMA和IndRNN模型对两个子序列进行建模预测;将二者的预测结果重构,再通过IndRNN模型进行误差修正,进一步提高预测准确度。结果显示,所提的组合预测模型可靠,较其他方法精度更高。 展开更多
关键词 负载预测 时间序列预测 小波变换 ARIMA IndRNN
在线阅读 下载PDF
短路累积效应对绕组磁-力特征影响试验研究 被引量:3
18
作者 律方成 汪鑫宇 +2 位作者 王平 耿江海 高树国 《华北电力大学学报(自然科学版)》 北大核心 2025年第1期95-102,共8页
为探究变压器绕组在多次短路冲击下逐渐劣化过程,开展了110 kV真型变压器短时多次短路冲击试验,测量了短路试验过程中的漏磁、振动加速度实时波形以及试验后绕组轴向压力稳态值及电抗变化率,提取了漏磁、振动频谱特征,获得了各项物理量... 为探究变压器绕组在多次短路冲击下逐渐劣化过程,开展了110 kV真型变压器短时多次短路冲击试验,测量了短路试验过程中的漏磁、振动加速度实时波形以及试验后绕组轴向压力稳态值及电抗变化率,提取了漏磁、振动频谱特征,获得了各项物理量随短路电流强度、短路次数下的变化趋势。结果表明:多次短路冲击会使变压器绕组产生累积效应,累积效应影响程度与冲击次数和冲击强度有关;在累积效应作用下,磁场信号会由于绕组形变程度低或测点距离形变处较远而变化不明显,但振动加速度的频谱熵、Pearson相关系数的变化可以良好反映绕组的机械状态改变。因此监测变压器振动信号并分析其频谱是评估短路累积效应影响、绕组形变诊断的可靠手段。 展开更多
关键词 变压器绕组 累积效应 短时多次短路 特征评估
在线阅读 下载PDF
航空管路无扩口管接头寿命预测方法研究 被引量:1
19
作者 唐杰 孙茹 《重庆理工大学学报(自然科学)》 北大核心 2025年第2期154-162,共9页
为提升对航空管路无扩口接头退化预测的精度和效率,提出一种基于时间卷积网络TCN(temporal convolutional network)和Transformer的特征融合模型(TT模型)。通过TCN模块提取增强后的特征信息,利用融合卷积Transformer模块进一步处理,在... 为提升对航空管路无扩口接头退化预测的精度和效率,提出一种基于时间卷积网络TCN(temporal convolutional network)和Transformer的特征融合模型(TT模型)。通过TCN模块提取增强后的特征信息,利用融合卷积Transformer模块进一步处理,在编码器末尾添加池化层以降低过拟合风险,最终通过全连接层得到预测结果。为验证TT模型的有效性,针对航空管路无扩口接头密封性能使用单向流固耦合方法完成泄漏率模型的建立并获取数据,利用数据集进行试验。结果表明,TT模型与CNN、RNN、LSTM和Transformer模型相比,预测误差分别减少3.53%、6.08%、1.63%和1.75%,有效提高了航空管路无扩口接头退化预测的准确性。 展开更多
关键词 时间序列预测 密封特性 TCN TRANSFORMER 寿命预测
在线阅读 下载PDF
基于W变换时频分析的超深层栅状储集体识别
20
作者 李宗杰 饶莹 +3 位作者 赵振聪 龚伟 李弘艳 周子康 《地球物理学报》 北大核心 2025年第4期1533-1541,共9页
顺北地区超深层碳酸盐岩储层发育,非均质性强,形成了致密基岩与储集体相互交错排列的栅状储集体结构.现有资料显示栅状储集体内部的“栅体”尺寸和“栅体”之间的间隔均较小.受限于地震数据的分辨率,基于地震数据以及传统的地震属性分... 顺北地区超深层碳酸盐岩储层发育,非均质性强,形成了致密基岩与储集体相互交错排列的栅状储集体结构.现有资料显示栅状储集体内部的“栅体”尺寸和“栅体”之间的间隔均较小.受限于地震数据的分辨率,基于地震数据以及传统的地震属性分析方法难以有效刻画栅状储集体结构,进而影响储层预测和钻井轨迹设计.本文运用W时频变换方法得到时频谱,该方法具有峰值对应主频、时频谱能量集中、高频和低频区域都具有高分辨率的特点.特别是W时频变换方法得到的时频谱能量沿主频两侧对称分布,且呈纺锤形,主频宽两头窄,主频处的时频剖面分辨率与地震数据一致,有效频宽范围内远离主频处的时频剖面分辨率则高于地震数据.因此,利用丰富的高分辨率的地震时频谱信息、多频段相结合的方式,可以更为有效地识别栅状储集体中“栅体”的特征,进一步提升识别栅状储集体的能力. 展开更多
关键词 顺北地区 碳酸盐岩储层 时频分析 W变换 栅状储集体
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部