期刊文献+
共找到280,631篇文章
< 1 2 250 >
每页显示 20 50 100
自适应Transformer-LSTM的滚动轴承故障预测方法研究
1
作者 董辛旻 职帅轩 崔富源 《重庆理工大学学报(自然科学)》 北大核心 2026年第2期96-104,共9页
针对滚动轴承故障预测中,模型预测精度低、参数难以确定等问题,提出一种自适应Transformer编码器与长短期记忆神经网络(long short-term memory, LSTM)的滚动轴承故障预测方法。提取轴承全周期振动信号24维时频特征,并基于信息熵、鲁棒... 针对滚动轴承故障预测中,模型预测精度低、参数难以确定等问题,提出一种自适应Transformer编码器与长短期记忆神经网络(long short-term memory, LSTM)的滚动轴承故障预测方法。提取轴承全周期振动信号24维时频特征,并基于信息熵、鲁棒性和相关性构建综合指标对特征进行筛选。采用核主元分析将优选特征进行融合,构建能够反应轴承退化状态的退化指标。综合时间序列全局特性与长短期特性,构建Transformer编码器与LSTM结合的故障预测模型,并引入极光优化算法(polar lights optimization, PLO)进行参数自适应寻优,应用XJTU-SY与IMS滚动轴承数据集进行方法分析验证。结果表明:所提模型在轴承故障预测中表现出良好效果,相较于经典的时域卷积网络(temporal convolutional network, TCN)、双向门控循环神经网络(gate recurrent unit, GRU)等,预测精度有较大提升。 展开更多
关键词 滚动轴承 故障预测 数据驱动 transformER 优化算法
在线阅读 下载PDF
基于BiLSTM-Transformer混合模型的丘陵地区履带式甘蔗收获机倾翻风险预测
2
作者 李尚平 宋家华 +3 位作者 文春明 李凯华 韦雨彤 程健华 《农业机械学报》 北大核心 2026年第4期213-223,共11页
针对履带式甘蔗收获机在丘陵地区作业时存在因车身重心高和轮距窄而易发生倾翻危险,且难以预测问题,本文通过样机测试,实时检测样机车架振动加速度变化,经频域处理分析,提取车架倾斜状态时振动特征,提出一种基于双向长短期记忆网络与Tra... 针对履带式甘蔗收获机在丘陵地区作业时存在因车身重心高和轮距窄而易发生倾翻危险,且难以预测问题,本文通过样机测试,实时检测样机车架振动加速度变化,经频域处理分析,提取车架倾斜状态时振动特征,提出一种基于双向长短期记忆网络与Transformer混合模型的倾翻预测方法。通过对振动加速度信号预处理,应用经验模态分解提取倾斜状态的时域与频域特征,重构去噪后信号。利用BiLSTM捕捉长期依赖关系,采用Transformer提取局部时序关系,有效提高了样机倾翻预测准确性。试验结果表明,在不同状态下履带式甘蔗收获机倾翻预测准确率达到95.39%,耗时11.87 ms。为进一步验证倾翻模型效果,对原始数据进行了t-SNE降维可视化,绘制了混淆矩阵图,为复杂环境下甘蔗收获机预警和调平系统的实时控制提供了依据。 展开更多
关键词 丘陵地区 甘蔗收获机 倾翻预测 BiLstM transformER
在线阅读 下载PDF
基于并行Transformer-LSTM的IoT时间序列异常检测方法
3
作者 毋丽丽 王健 +2 位作者 冯丽萍 高天 刘文远 《燕山大学学报》 北大核心 2026年第1期85-94,共10页
针对物联网复杂时间序列的异常检测问题,本研究提出了一种基于Transformer和长短期记忆网络(Long Short-Term Memory,LSTM)优化的并行Transformer-LSTM混合模型。利用沙普利加解释值对特征重要性进行评估,进而筛选出关键特征,同时采用... 针对物联网复杂时间序列的异常检测问题,本研究提出了一种基于Transformer和长短期记忆网络(Long Short-Term Memory,LSTM)优化的并行Transformer-LSTM混合模型。利用沙普利加解释值对特征重要性进行评估,进而筛选出关键特征,同时采用滑动切片技术对时间序列数据进行重构,以增强模型对时域特征的捕捉能力。此外,引入集成层对不同特征进行整合并自动调整其权重,从而优化异常检测性能。实验部分使用均方误差和二元交叉熵作为损失函数,分别对LSTM、串联Transformer-LSTM模型及并行Transformer-LSTM模型进行训练,最终通过加权方式获取异常分值。实验结果表明,所提出的模型在真实数据集上表现出色,与现有方法相比,在准确率、精确度、召回率等关键指标上均有显著提升。进一步的消融实验验证了模型各组成部分的有效性,即使在异常率仅为1%的Fridge数据集,检测准确率仍可以达到99.93%,充分证明了该模型在复杂时间序列异常检测任务中的优越性能。 展开更多
关键词 物联网 异常检测 transformER LstM
在线阅读 下载PDF
基于LSTM-Transformer模型的突水条件下矿井涌水量预测 被引量:1
4
作者 李振华 姜雨菲 +1 位作者 杜锋 王文强 《河南理工大学学报(自然科学版)》 北大核心 2026年第1期77-85,共9页
目的矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义,为精准预测矿井涌水量,构建适用于华北型煤田受底板L_(1-4)灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基... 目的矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义,为精准预测矿井涌水量,构建适用于华北型煤田受底板L_(1-4)灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基础,提出LSTMTransformer模型。利用LSTM捕捉矿井涌水量的动态时序特征,通过Transformer的多头注意力机制分析含水层水位变化和矿井涌水量之间的复杂时序关联,构建水位动态变化驱动下的矿井涌水量精准预测框架。结果结果表明,LSTM-Transformer模型预测精度显著优于LSTM,CNN,Transformer和CNN-LSTM模型的,其均方根误差为20.91 m^(3)/h,平均绝对误差为16.08 m^(3)/h,平均绝对百分比误差为1.12%,且和单因素涌水量预测模型相比,水位-涌水量双因素预测模型预测结果更加稳定。结论LSTM-Transformer模型成功克服传统方法在捕捉复杂水文地质系统中水位-涌水量动态关联上的局限,为矿井涌水量动态预测提供可解释性强、鲁棒性好的解决方案,也为类似地质条件下矿井涌水量预测提供了新方法。 展开更多
关键词 涌水量预测 水位动态响应 LstM-transformer耦合模型 时间序列预测 注意力机制 矿井安全生产
在线阅读 下载PDF
基于Transformer-XGBoost框架的轨交车辆电池多视角数据健康诊断研究
5
作者 王健 毛建 +4 位作者 唐超伟 孙小康 候晓双 王春生 廖垠钦 《电源技术》 北大核心 2026年第1期129-142,共14页
锂离子电池凭借其高能量密度和长寿命,在轨道交通与储能系统中得到了广泛应用,但随着充放电循环次数的增加,其健康状态(SOH)逐步衰退,给电池管理带来安全风险与维护挑战。传统的SOH预测方法主要依赖单一视角的增量容量分析(ICA)及常规... 锂离子电池凭借其高能量密度和长寿命,在轨道交通与储能系统中得到了广泛应用,但随着充放电循环次数的增加,其健康状态(SOH)逐步衰退,给电池管理带来安全风险与维护挑战。传统的SOH预测方法主要依赖单一视角的增量容量分析(ICA)及常规数据驱动模型,难以全面捕捉电池退化过程中电化学特性与时序动态的多尺度变化,导致预测精度和鲁棒性均受限。提出了一种基于多视角数据分析的SOH预测方法,通过融合电压视图与时间视图下的增量容量(IC)曲线信息构建多视图健康因子(HI),并设计了结合Transformer与极限梯度提升(XGBoost)的预测框架。其中,Transformer采用动态时间窗调整和双尺度注意力机制,以适应不同退化阶段下的时序特征提取。而XGBoost则通过引入物理信息约束,进一步提升了预测的稳定性与鲁棒性。在马里兰大学的PL13电池训练集中,该方法实现的均方根误差(RMSE)仅为3.13×10^(−3),决定系数R^(2)高达0.997;而在PL11电池测试集中,RMSE仅为4.57×10^(−3),R^(2)达到0.994,充分验证了该方法在多视角特征融合和动态时序建模方面的卓越性能。 展开更多
关键词 健康状态 多视角数据分析 transformER XGBoost 电池管理系统
在线阅读 下载PDF
基于Transformer-MLSTM联合模型的营运车辆行驶轨迹预测
6
作者 杜宇程 朱立伟 +1 位作者 李会民 陈方华 《客车技术与研究》 2026年第1期15-21,49,共8页
本文选取NGSIM数据集中的运营车辆行驶数据作为研究对象,采用小波降噪方法处理干扰数据,进而提出一种基于Transformer-MLSTM的车辆换道轨迹预测模型。该模型集成了Transformer模块的多头注意力机制和高效并行处理能力,可对周边车辆运动... 本文选取NGSIM数据集中的运营车辆行驶数据作为研究对象,采用小波降噪方法处理干扰数据,进而提出一种基于Transformer-MLSTM的车辆换道轨迹预测模型。该模型集成了Transformer模块的多头注意力机制和高效并行处理能力,可对周边车辆运动轨迹特征进行权重计算;MLSTM模块在捕获长期依赖的同时,加强各层间的信息传递,从而增强模型的整体表达能力。结果表明:在Transformer-MLSTM联合模型最优超参数组合下,预测车辆横向和纵向轨迹变化的RMSE值分别达到0.364和1.492,该模型的预测速度和准确度均优于采用LSTM、MLSTM和Transformer等方法建立的单一网络模型。 展开更多
关键词 行驶数据 NGSIM 换道轨迹预测 LstM transformER
在线阅读 下载PDF
基于HBA-Transformer-BiLSTM模型的短时交通流预测
7
作者 代谨樯 余海兵 +3 位作者 程欣 杨鹏 刘文荐 程刚 《物流科技》 2026年第4期5-9,共5页
随着城市化进程的加速推进,交通系统的复杂性和动态性也日渐增强,短时交通流预测成为智能交通系统中的关键环节。传统方法在应对大规模、高频率交通数据时,难以兼顾预测精度与模型稳定性。由此,文章提出一种融合蜜獾优化算法(HBA)、Tran... 随着城市化进程的加速推进,交通系统的复杂性和动态性也日渐增强,短时交通流预测成为智能交通系统中的关键环节。传统方法在应对大规模、高频率交通数据时,难以兼顾预测精度与模型稳定性。由此,文章提出一种融合蜜獾优化算法(HBA)、Transformer与双向长短期记忆网络(BiLSTM)的混合模型。该模型利用Transformer的全局依赖建模能力、BiLSTM的双向时序特征提取能力以及HBA的超参数自适应优化优势,实现了对交通流时空特征的高效建模。基于PeMSD4数据集的实验结果显示,该模型在平均相对误差(MAPE)、平均绝对误差(MAE)和决定系数(R^(2))等指标上均优于CNN、GRU、XGBoost、TCN等主流模型。 展开更多
关键词 交通流预测 transformer BiLstM 蜜獾优化算法
在线阅读 下载PDF
基于LSTM-Transformer的钢铁工业用户调节潜力预测与优化
8
作者 李彬 张雨蒙 周照钒 《电力系统自动化》 北大核心 2026年第5期54-62,共9页
工业用户作为城市用电主体之一,其负荷复杂多变且受用户调节潜力影响较大,传统的预测方法难以准确估计钢铁工业用户的调节能力。为了兼顾负荷波动的不确定性以及钢铁工业用户用电行为的规律性特征,提出了一种基于长短期记忆(LSTM)-Trans... 工业用户作为城市用电主体之一,其负荷复杂多变且受用户调节潜力影响较大,传统的预测方法难以准确估计钢铁工业用户的调节能力。为了兼顾负荷波动的不确定性以及钢铁工业用户用电行为的规律性特征,提出了一种基于长短期记忆(LSTM)-Transformer的钢铁用户调节潜力预测方法。该方法利用LSTM网络捕捉工业负荷可调设备、检修计划和用户调节潜力样本等序列的长期依赖关系提取特征,并通过Transformer模块进行位置编码,利用双层多头自注意力机制捕获数据不同属性间的关系并进行拼接,从而获取多因素影响下的工业用户调节潜力。选取中国天津某钢铁厂的实际运行数据,对4种模型计算潜力值进行对比。实验结果表明,相较于其他模型,所提模型的平均误差降低约40%,具有更高的精度,能够有效反映钢铁工业用户的调节潜力,为优化调度提供有力支持。 展开更多
关键词 需求响应 钢铁工业 负荷 调节潜力 用电 LstM-transformer模型 多头自注意力机制
在线阅读 下载PDF
基于VMD-Transformer-LSTM-XGBoost的短期风电机组出力混合预测模型
9
作者 马虎林 李文清 +5 位作者 刘志月 马子旭 朱新彧 王健 施雅蓉 赵学靖 《统计学与应用》 2026年第1期265-282,共18页
风电功率时间序列具有明显的非平稳性和多尺度波动特征,使高精度短期预测面临较大挑战。针对传统模型难以同时刻画趋势、周期及高频扰动等不同时间尺度结构的问题,本文提出一种融合自适应变分模态分解(VMD)、模糊熵复杂度分析、Transfor... 风电功率时间序列具有明显的非平稳性和多尺度波动特征,使高精度短期预测面临较大挑战。针对传统模型难以同时刻画趋势、周期及高频扰动等不同时间尺度结构的问题,本文提出一种融合自适应变分模态分解(VMD)、模糊熵复杂度分析、Transformer-LSTM深度特征提取与XGBoost回归的两阶段短期风电功率预测方法。首先,以理论功率序列为分解对象,通过贝叶斯优化在训练集上自适应确定VMD的模态数与惩罚参数,并采用严格的零数据泄露策略。随后,利用模糊熵度量各IMF的复杂度特征,将其重构为低频趋势、中频周期与高频扰动三类协同模态(Co-IMFs),以增强输入特征的物理可解释性与稳定性。在特征提取阶段,构建融合Transformer全局依赖建模能力与LSTM局部时序记忆能力的DeepBlock网络,并通过贝叶斯优化确定其最优结构与训练参数,最终由XGBoost完成非线性回归预测。基于甘肃瓜州某风电场2023~2025年15分钟分辨率数据的实验结果表明,所提出方法在MAE、RMSE与R²等指标上均优于多种基准模型及消融模型,验证了该两阶段多尺度混合框架在复杂风电功率预测任务中的有效性。 展开更多
关键词 风电功率预测 变分模态分解 transformer LstM XGBoost 多尺度分析
在线阅读 下载PDF
Phase Transformation on Chemically Corroded Surface of a Single-Crystal Superalloy During In-Situ Tension at Elevated Temperatures
10
作者 Wang Rui Li Jiarong +2 位作者 Yue Xiaodai Zhao Jinqian Yang Wanpeng 《稀有金属材料与工程》 北大核心 2026年第3期595-601,共7页
In-situ tensile tests were conducted on a chemically corroded third-generation single-crystal superalloy DD9 at 980 and 1100℃.The phase transformation in the surface areas during the tensile process was analyzed usin... In-situ tensile tests were conducted on a chemically corroded third-generation single-crystal superalloy DD9 at 980 and 1100℃.The phase transformation in the surface areas during the tensile process was analyzed using field emission scanning electron microscope,energy dispersive X-ray spectroscope,electron probe X-ray microanalysis,and transmission electron microscope.The phase transformation mechanism on the surface and the influence mechanism were studied through observation and dynamic calculation.During tensile tests at elevated temperatures,chemical corrosion promotes the precipitation of topologically close-packed(tcp)μphase andσphase on the alloy surface.Both the precipitation amount and size of these two phases on the surface at 1100℃are greater than those at 980℃.The precipitation of tcp phase on the alloy surface results in the formation of an influence layer on the surface area,and the distribution characteristics of alloying elements are significantly different from those of the substrate.The depth of the influence layer at 1100℃is greater than that at 980℃.The precipitation of tcp phase prompts the phase transition fromγphase toγ′phase around the tcp phase. 展开更多
关键词 single-crystal superalloy in-situ tension tcp phase phase transformation alloying element
原文传递
基于Transformer-LSTM的高层建筑火灾预测模型
11
作者 阎文博 李陟 《中国高新科技》 2026年第1期146-149,共4页
鉴于城市化进程的加速和高层建筑物数量的不断增长,火灾危害日益严重,准确预测风险迫在眉睫。传统的建筑物火灾预测方法往往依赖于单一神经网络和图像分析等手段,在实际应用中存在预测准确率低、数据处理复杂等问题。针对上述问题,文章... 鉴于城市化进程的加速和高层建筑物数量的不断增长,火灾危害日益严重,准确预测风险迫在眉睫。传统的建筑物火灾预测方法往往依赖于单一神经网络和图像分析等手段,在实际应用中存在预测准确率低、数据处理复杂等问题。针对上述问题,文章基于深度学习技术,提出了一种基于Transformer-LSTM的建筑物火灾预测模型,以提高火灾预测的准确性和可靠性。该方法使用转换器模型(Transformer)的编码器从时间序列数据中提取全局特征,并通过长短期记忆网络(LongShort-Term Memory,LSTM)网络对时间序列数据进行解码和建模,实现了对建筑物火灾发展趋势的准确预测。实验结果表明,该方法在多个指标上均优于传统的火灾预测模型,具有更高的预测准确性和实用性。研究成果不仅为建筑物火灾预测提供了一种新的有效方法,同时也为深度学习在工程领域的应用提供了一个新的实例。 展开更多
关键词 深度学习 transformER LstM 建筑物火灾 预测
在线阅读 下载PDF
基于FastApi与Transformer辅助的教师备课系统构建与研究
12
作者 赵文炜 李红玲 +3 位作者 解一博 王贵萍 鲁瑞兴 张启月 《技术与市场》 2026年第2期139-144,共6页
目的针对传统备课模式中存在的效率低下、资源整合困难、个性化教学适配不足等问题,构建基于FastApi和Transformer的教师备课辅助系统。方法采用FastApi搭建系统后端架构,利用其高性能和异步处理能力保障系统高效运行;引入Transformer... 目的针对传统备课模式中存在的效率低下、资源整合困难、个性化教学适配不足等问题,构建基于FastApi和Transformer的教师备课辅助系统。方法采用FastApi搭建系统后端架构,利用其高性能和异步处理能力保障系统高效运行;引入Transformer模型实现教学资源智能推荐、教案自动生成等核心功能,并通过功能测试、性能测试等多维度测试验证系统性能。结果系统功能完整性良好,在一定并发用户场景下运行稳定,错误率低且响应及时,模型生成教案质量符合预期,同时具备较好的兼容性。结论该系统能有效提升教师备课效率,为个性化教学提供有力支持,具备较好的实用价值和应用前景。 展开更多
关键词 FastApi transformER 智能备课系统 教学资源推荐 个性化教案生成
在线阅读 下载PDF
基于LSTM和Transformer的教育建筑能耗预测模型比较研究
13
作者 韩立杨 《建筑电气》 2026年第1期51-58,共8页
以Building Data Genome Project 2中Bull_education_Gregory教育建筑为研究对象,构建深度学习预测体系,对比跨能耗特征与能耗独立特征两种工程策略,分别结合LSTM+多头注意力和Transformer模型,在多时间尺度下预测任务上开展性能评估。... 以Building Data Genome Project 2中Bull_education_Gregory教育建筑为研究对象,构建深度学习预测体系,对比跨能耗特征与能耗独立特征两种工程策略,分别结合LSTM+多头注意力和Transformer模型,在多时间尺度下预测任务上开展性能评估。结果表明,能耗独立策略在短期与中期预测中显著优于跨能耗策略。1 h直接预测中,LSTM 25特征模型在电力上取得决定系数R2=0.861,Transformer 25特征模型在冷冻水和蒸汽上分别达到R^(2)=0.924与R^(2)=0.802。跨能耗策略在长时段发挥作用:LSTM 45特征模型在冷冻水24 h和48 h预测上保持R^(2)=0.256与0.140,Transformer 45特征模型在蒸汽48 h预测中维持最高R^(2)=-0.115。研究也量化了递归预测导致的误差累积。以电力为例,1 h直接预测R^(2)=0.861,当递归至6 h后R2降至-1.506、平均绝对误差MAE增至0.125,表明长时段预测需谨慎使用。 展开更多
关键词 教育建筑 能耗预测 LstM+多头注意力机制 transformER 特征工程 能耗独立性 递归预测
在线阅读 下载PDF
基于LSTM-Transformer模型的电力负荷预测
14
作者 陈培阳 王昭岩 +2 位作者 刘辉 张恒 刘季 《电力设备管理》 2026年第1期147-149,共3页
本文提出了一种结合长短期记忆(LSTM)和Transformer深度学习架构的新型电力负荷预测混合模型。本文利用LSTM和Transformer模型的优势,有效地处理多个输入变量,之后将两个模型的变量分别用于下一次负载实例预测和顺序负载预测。为了提高... 本文提出了一种结合长短期记忆(LSTM)和Transformer深度学习架构的新型电力负荷预测混合模型。本文利用LSTM和Transformer模型的优势,有效地处理多个输入变量,之后将两个模型的变量分别用于下一次负载实例预测和顺序负载预测。为了提高性能,深入研究了优化策略,例如调整参数以减少预测误差,并有选择地合并负载时间序列集群,在考虑地理因素、用户行为因素和训练时间等关键因素的同时,验证本模型可以准确、可靠地进行电力负荷预测。 展开更多
关键词 LstM transformER 电力负荷预测
在线阅读 下载PDF
Photoacoustic-computed tomography 3D data compression method and system based on Wavelet-Transformer
15
作者 Jialin Li Tingting Li +2 位作者 Yiming Ma Yi Shen Mingjian Sun 《Journal of Innovative Optical Health Sciences》 2026年第1期110-125,共16页
Photoacoustic-computed tomography is a novel imaging technique that combines high absorption contrast and deep tissue penetration capability,enabling comprehensive three-dimensional imaging of biological targets.Howev... Photoacoustic-computed tomography is a novel imaging technique that combines high absorption contrast and deep tissue penetration capability,enabling comprehensive three-dimensional imaging of biological targets.However,the increasing demand for higher resolution and real-time imaging results in significant data volume,limiting data storage,transmission and processing efficiency of system.Therefore,there is an urgent need for an effective method to compress the raw data without compromising image quality.This paper presents a photoacoustic-computed tomography 3D data compression method and system based on Wavelet-Transformer.This method is based on the cooperative compression framework that integrates wavelet hard coding with deep learning-based soft decoding.It combines the multiscale analysis capability of wavelet transforms with the global feature modeling advantage of Transformers,achieving high-quality data compression and reconstruction.Experimental results using k-wave simulation suggest that the proposed compression system has advantages under extreme compression conditions,achieving a raw data compression ratio of up to 1:40.Furthermore,three-dimensional data compression experiment using in vivo mouse demonstrated that the maximum peak signal-to-noise ratio(PSNR)and structural similarity index(SSIM)values of reconstructed images reached 38.60 and 0.9583,effectively overcoming detail loss and artifacts introduced by raw data compression.All the results suggest that the proposed system can significantly reduce storage requirements and hardware cost,enhancing computational efficiency and image quality.These advantages support the development of photoacoustic-computed tomography toward higher efficiency,real-time performance and intelligent functionality. 展开更多
关键词 Photoacoustic-computed tomography data compression transformER
原文传递
A Transformative Masterpiece--Chinese-built bridge in Tanzania boosts trade,connectivity
16
作者 DERRICK SILIMINA 《ChinAfrica》 2026年第1期42-43,共2页
In the Kigongo area of Mwanza Region,northwest Tanzania,fishmonger Neema Aisha remembers how the morning’s fresh catch would sour while she queued for the ferry,putting her business at risk.
关键词 business risk FERRY BRIDGE CONNECTIVITY TRADE fishmonger transformative
原文传递
基于Transformer-LSTM的短期电力负荷预测
17
作者 王昊 杨捷 马佳帅 《电器工业》 2026年第2期9-15,共7页
为全面挖掘电力负荷数据中的时序模式特征,提升短期负荷预测的精度。本研究基于机器学习预测方法,围绕福建省泉州市区的数据集探究提升短期电力负荷预测精度的方法,提出一种融合Transformer与LSTM的短期负荷预测算法。首先把时序数据输... 为全面挖掘电力负荷数据中的时序模式特征,提升短期负荷预测的精度。本研究基于机器学习预测方法,围绕福建省泉州市区的数据集探究提升短期电力负荷预测精度的方法,提出一种融合Transformer与LSTM的短期负荷预测算法。首先把时序数据输入Transformer模块进行特征提取,然后把提取到的特征输入LSTM模型开展训练,最后完成短期电力负荷预测。将本文所提模型与LSTM负荷预测模型、SelfAttention-LSTM负荷预测模型和Transformer负荷预测模型进行综合比较分析。通过实验对比分析,本文提出的Transformer-LSTM预测模型预测效果更优。 展开更多
关键词 机器学习 短期负荷预测 LstM transformer模型
在线阅读 下载PDF
Unified physics-informed subspace identification and transformer learning for lithium-ion battery state-of-health estimation
18
作者 Yong Li Hao Wang +3 位作者 Chenyang Wang Liye Wang Chenglin Liao Lifang Wang 《Journal of Energy Chemistry》 2026年第1期350-369,I0009,共21页
The growing use of lithium-ion batteries in electric transportation and grid-scale storage systems has intensified the need for accurate and highly generalizable state-of-health(SOH)estimation.Conventional approaches ... The growing use of lithium-ion batteries in electric transportation and grid-scale storage systems has intensified the need for accurate and highly generalizable state-of-health(SOH)estimation.Conventional approaches often suffer from reduced accuracy under dynamically uncertain state-of-charge(SOC)operating ranges and heterogeneous aging stresses.This study presents a unified SOH estimation framework that integrates physics-informed modeling,subspace identification,and Transformer-based learning.A reduced-order model is derived from simplified electrochemical dynamics,providing an interpretable and computationally efficient representation of battery behavior.Subspace identification across a wide SOC and SOH range yields degradation-sensitive features,which the Transformer uses to capture long-range aging dynamics via multi-head self-attention.Experiments on LiFePO4 cells under joint-cell training show consistently accurate SOH estimation,with a maximum error of 1.39%,demonstrating the framework’s effectiveness in decoupling SOC and SOH effects.In cross-cell validation,where training and validation are performed on different cells,the model maintains a maximum error of 2.06%,confirming strong generalization to unseen aging trajectories.Comparative experiments on LiFePO_(4)and public LiCoO_(2)datasets confirm the framework’s cross-chemistry applicability.By extracting low-dimensional,physically interpretable features via subspace identification,the framework significantly reduces training cost while maintaining high SOH estimation accuracy,outperforming conventional data-driven models lacking physical guidance. 展开更多
关键词 Lithium-ion battery transformer learning Physics-informed modeling Subspace identification state-of-health estimation
在线阅读 下载PDF
Effect of fluoride roasting on copper species transformation on chrysocolla surfaces and its role in enhanced sulfidation flotation
19
作者 Yingqiang Ma Xin Huang +5 位作者 Yafeng Fu Zhenguo Song Sen Luo Shuanglin Zheng Feng Rao Wanzhong Yin 《International Journal of Minerals,Metallurgy and Materials》 2026年第1期165-176,共12页
It is difficult to recover chrysocolla from sulfidation flotation which is closely related to the mineral surface composition.In this study,the effects of fluoride roasting on the surface composition of chrysocolla we... It is difficult to recover chrysocolla from sulfidation flotation which is closely related to the mineral surface composition.In this study,the effects of fluoride roasting on the surface composition of chrysocolla were investigated,its impact on sulfidation flotation was explored,and the mechanisms involved in both fluoride roasting and sulfidation flotation were discussed.With CaF_(2)as the roasting reagent,Na_(2)S·9H_(2)O as the sulfidation reagent,and sodium butyl xanthate(NaBX)as the collector,the results of the flotation experiments showed that fluoride roasting improved the floatability of chrysocolla,and the recovery rate increased from 16.87%to 82.74%.X-ray diffraction analysis revealed that after fluoride roasting,approximately all the Cu on the chrysocolla surface was exposed in the form of CuO,which could provide a basis for subsequent sulfidation flotation.The microscopy and elemental analyses revealed that large quantities of"pagoda-like"grains were observed on the sulfidation surface of the fluoride-roasted chrysocolla,indicating high crystallinity particles of copper sulfide.This suggests that the effect of sulfide formation on the chrysocolla surface was more pronounced.X-ray photoelectron spectroscopy revealed that fluoride roasting increased the relative contents of sulfur and copper on the surface and that both the Cu~+and polysulfide fractions on the surface of the minerals increased.This enhances the effect of sulfidation,which is conducive to flotation recovery.Therefore,fluoride roasting improved the effect of copper species transformation and sulfidation on the surface of chysocolla,promoted the adsorption of collectors,and improved the recovery of chrysocolla from sulfidation flotation. 展开更多
关键词 sulfidation flotation CHRYSOCOLLA fluoride roasting copper species transformation enhanced sulfidation
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