期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于RF的并行CNN-TGLSTM热负荷预测模型 被引量:1
1
作者 薛贵军 谢文举 《华北理工大学学报(自然科学版)》 CAS 2024年第2期112-123,共12页
精准的热负荷预测不仅可以提高用户舒适度,还可以有效降低能源消耗。为了提升热负荷预测的准确性,本研究提出了一种基于随机森林的并行CNN和TGLSTM的短期热负荷预测模型。首先,采用随机森林算法对特征进行筛选;其次,利用并行网络CNN和... 精准的热负荷预测不仅可以提高用户舒适度,还可以有效降低能源消耗。为了提升热负荷预测的准确性,本研究提出了一种基于随机森林的并行CNN和TGLSTM的短期热负荷预测模型。首先,采用随机森林算法对特征进行筛选;其次,利用并行网络CNN和改进的LSTM分别提取时空特征;最后,将提取的特征与多头注意力机制动态结合。实验结果表明,并行CNN-TGLSTM-MA相较于传统的串行CNN-TGLSTM模型,在MAE和MSE方面分别降低了16.9%、26.8%,同时提升了3.5%的R2值,证明了所提出的并行CNN-TGLSTM-MA模型在短期热负荷预测方面的有效性和优越性,为热力系统供热负荷的精准调控提供了参考。 展开更多
关键词 短期热负荷预测 卷积神经网络 转换门控长短期记忆网络 多头注意力机制 随机森林
下载PDF
基于蜣螂算法和DWA算法的机器人动态路径规划
2
作者 王海群 宋国章 +2 位作者 晁帅 葛超 《制造技术与机床》 北大核心 2024年第12期21-29,共9页
为解决机器人在复杂动态环境中的路径规划问题,提出一种融合改进蜣螂算法(improved dung beetle optimizer,IDBO)和改进动态窗口法(improved dynamic window algorithm,IDWA)的动态路径规划方法。首先,使用改进的蜣螂算法生成全局最优... 为解决机器人在复杂动态环境中的路径规划问题,提出一种融合改进蜣螂算法(improved dung beetle optimizer,IDBO)和改进动态窗口法(improved dynamic window algorithm,IDWA)的动态路径规划方法。首先,使用改进的蜣螂算法生成全局最优路径。针对蜣螂算法容易陷入局部最优解的问题,提出了混沌映射初始化种群、融合自适应t分布扰动策略以及螺旋搜索策略,提高算法的性能。其次,使用改进的动态窗口法跟踪全局最优路径,进行动态避障。针对动态窗口法容易发生碰撞、线速度波动频繁等问题,提出了3种改进方法,即结合全局路径规划算法,防止陷入局部最优;设置机器人初始航向角,减少路径冗余;增加线速度变化评估函数,解决线速度频繁改变问题。最后,将两种改进后的算法进行融合,设置动、静态路径规划试验。试验结果表明,融合算法可以实现基于全局最优路径的实时动态避障,规划的路径长度更短,安全性更高,线速度序列更加平滑。 展开更多
关键词 路径规划 蜣螂算法 动态窗口法 动态避障 机器人
下载PDF
基于SVMD的改进BWO-TimesNet短期热负荷预测模型
3
作者 段沁宇 薛贵军 +1 位作者 谢文举 《广西师范大学学报(自然科学版)》 CAS 北大核心 2024年第6期101-116,共16页
精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga wha... 精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga whale optimization,IBWO)的TimesNet短期热负荷预测模型。首先,利用SVMD将原始热负荷数据进行分解,去除噪声后得到若干个平稳且有规律的模态分量;其次,根据每个模态分量的特点选择合适的特征作为输入;然后,引入3种策略来改进白鲸优化算法,从而建立IBWO-TimesNet预测模型;最后,通过算例对模型的预测性能进行详细评估。结果表明:SVMD-IBWO-TimesNet模型的MAE、RMSE和R 2分别为0.647、1.190和99.1%。与其他主流预测模型相比,该模型具有更高的预测精度。同时,在减少训练样本的情况下,SVMD-IBWO-TimesNet模型仍能有效预测热负荷,具有较强的泛化能力。验证了所提出模型的有效性,为热力系统供热负荷的精准调控提供了参考。 展开更多
关键词 热负荷预测 TimesNet 逐次变分模态分解 白鲸优化算法
下载PDF
基于VMD和RDC-Informer的短期供热负荷预测模型
4
作者 薛贵军 谢文举 《广西师范大学学报(自然科学版)》 CAS 北大核心 2024年第5期39-51,共13页
精准的供热负荷预测不仅可以有效降低能源消耗,而且可以提高供热系统效率和用户舒适度。为了提升供热负荷预测的准确性,本文将变分模态分解算法和改进的Informer模型结合应用于供热负荷预测中。首先使用VMD算法分解供热负荷数据,降低数... 精准的供热负荷预测不仅可以有效降低能源消耗,而且可以提高供热系统效率和用户舒适度。为了提升供热负荷预测的准确性,本文将变分模态分解算法和改进的Informer模型结合应用于供热负荷预测中。首先使用VMD算法分解供热负荷数据,降低数据的非平稳性;然后在Informer模型中引入相对位置编码代替绝对位置编码,以更好地捕捉序列数据中的依赖关系和避免信息泄漏;接着采用膨胀因果卷积代替正则卷积,增加感受野,提升局部信息的提取能力;最后在多个数据集上与主流预测模型(GRU、LSTM、Transformer和Informer)进行对比实验。结果表明,RDC-Informer模型的评价指标R2达到了98.3%,与对比模型相比,分别提高了11.6%、6.3%、4.7%和2.6%。此外,通过增加卷积核以评估膨胀因果卷积的效果,验证了RDC-Informer模型的适用性和准确性,为进一步提高智慧供热的时效性提供了一定参考。 展开更多
关键词 供热负荷预测 INFORMER 膨胀因果卷积 相对位置编码 VMD
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部