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1,126篇文章
< 1 2 … 57 >
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：
信息时代的整合性学习模型——信息技术整合于教学的生态观诠释 被引量：117
1
作者 陈琦 张建伟 《北京大学教育评论》 2003年第3期90-96,共7页
该文围绕着信息技术与课程教学的整合问题 ,从生态观的视角提出了整合性学习模型。把学习环境分为两大侧面 :学习社群和信息资源。技术作为学习者与学习环境互动的中介工具 ,主要发挥四种功能 :学习监控工具、媒体、信息处理工具和社群... 该文围绕着信息技术与课程教学的整合问题 ,从生态观的视角提出了整合性学习模型。把学习环境分为两大侧面 :学习社群和信息资源。技术作为学习者与学习环境互动的中介工具 ,主要发挥四种功能 :学习监控工具、媒体、信息处理工具和社群互动工具。在此基础上具体分析了各种信息技术在接受学习、探究学习。 展开更多
关键词 整合性学习 信息技术 生态观 学习环境 学习生态系统 课程整合 合作学习 个别化学习
下载PDF
随机森林算法研究综述 被引量：125
2
作者 吕红燕 冯倩 《河北省科学院学报》 CAS 2019年第3期37-41,共5页
随机森林算法是一种基于决策树的集成学习算法,具有很高的预测准确率,对异常值和噪声具有很好的容忍度,而且不容易出现过拟合,在医学等领域具有广泛的应用。首先介绍了随机森林算法的原理和性质,然后综述了近几年来随机森林算法的改进... 随机森林算法是一种基于决策树的集成学习算法,具有很高的预测准确率,对异常值和噪声具有很好的容忍度,而且不容易出现过拟合,在医学等领域具有广泛的应用。首先介绍了随机森林算法的原理和性质,然后综述了近几年来随机森林算法的改进研究及应用领域,最后对随机森林算法研究做出了总结。 展开更多
关键词 随机森林 集成学习 机器学习 决策树
下载PDF
基于不平衡文本数据挖掘的铁路信号设备故障智能分类 被引量：41
3
作者 杨连报 李平 +3 位作者 薛蕊 马小宁 吴艳华 邹丹 《铁道学报》 EI CAS CSCD 北大核心 2018年第2期59-66,共8页
针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-ID... 针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-IDF转换后的小类别文本向量数据进行随机生成,采用逻辑回归、朴素贝叶斯、SVM等基分类器和GBDT、随机森林集成分类器对平衡后的数据进行分类,考虑不同分类器的适用特点,通过Voting方式进行多分类器集成学习。通过对某铁路局2012—2016年铁路信号设备故障文本数据进行试验分析,表明该模型可使故障分类的准确率、召回率和F-score均得到显著提升。 展开更多
关键词 铁路信号设备 故障分类 不平衡文本数据 SMOTE 基分类器 集成分类器 集成学习
下载PDF
基于Xgboost的商业销售预测 被引量：39
4
作者 叶倩怡 饶泓 姬名书 《南昌大学学报（理科版）》 CAS 北大核心 2017年第3期275-281,共7页
以德国Rossmann商场的数据为例,通过对数据的探索性分析,以相关背景业务知识体系为基础,通过可视化分析,提取隐含在数据里的特征,使用性能较优的Xgboost方法进行规则挖掘,取得较好效果。为进一步提高Xgboost方法的预测精度和泛化性能,... 以德国Rossmann商场的数据为例,通过对数据的探索性分析,以相关背景业务知识体系为基础,通过可视化分析,提取隐含在数据里的特征,使用性能较优的Xgboost方法进行规则挖掘,取得较好效果。为进一步提高Xgboost方法的预测精度和泛化性能,论文结合特征工程,采用集成学习方法,利用GLMNET和Xgboost模型拟合残差,结合LM、TSLM在趋势和季节性预测的优点,提出一种基于Xgboost的优化组合模型用以对行业数据进行预测,通过实验验证了该组合模型具有较好的精度和泛化能力。 展开更多
关键词 Xgboost 集成学习 组合模型 销售预测
下载PDF
基于特征选择和Stacking集成学习的配电网网损预测 被引量：39
5
作者 邓威 郭钇秀 +2 位作者 李勇 朱亮 刘定国 《电力系统保护与控制》 EI CSCD 北大核心 2020年第15期108-115,共8页
针对配电网能量管理和节能降损的要求,为了提高配电网网损分析与评估的有效性,提出了一种基于特征选择和Stacking集成学习的配电网网损预测方法。首先基于特征选择的主要方法,通过相关性分析法、最大信息系数法和基于树模型的特征选择... 针对配电网能量管理和节能降损的要求,为了提高配电网网损分析与评估的有效性,提出了一种基于特征选择和Stacking集成学习的配电网网损预测方法。首先基于特征选择的主要方法,通过相关性分析法、最大信息系数法和基于树模型的特征选择法对特征进行综合分析,得到各种特征对网损预测的重要性,选择重要特征作为配电网网损预测模型的输入特征。在此基础上,介绍Stacking集成学习原理,考虑融合多种预测模型的优势特点,建立Stacking集成学习配电网网损预测模型,最后通过仿真验证得到网损预测结果。该仿真数据来源于湖南省10kV配电网某线路44个台区的真实数据,网损预测结果表明该方法能够有效提升配电网网损预测的准确性和鲁棒性,相比于单一预测模型具有更好的预测精度和泛化能力。 展开更多
关键词 特征选择 模型融合 集成学习 网损预测
下载PDF
大数据时代机器学习的新趋势 被引量：37
6
作者 陈康 向勇 喻超 《电信科学》 北大核心 2012年第12期88-95,共8页
当前,大数据技术和应用吸引了众多的关注,对大量结构繁多的数据进行分析并获得知识,需要充分利用机器学习的相关技术和成果。本文主要讨论了大数据时代机器学习的发展新趋势和研究重点,并对与大数据相关性大的几个关键技术进行了分析介绍。
关键词 大数据 机器学习 半监督学习 集成学习 概率图模型 迁移学习
下载PDF
基于SVM的网络入侵检测集成学习算法 被引量：34
7
作者 谭爱平 陈浩 吴伯桥 《计算机科学》 CSCD 北大核心 2014年第2期197-200,共4页
互联网络中,计算机和设备随时受到恶意入侵的威胁,严重影响了网络的安全性。入侵行为升级快、隐蔽性强、随机性高,传统方法难以有效防范。针对这一问题,提出一种基于SVM的网络入侵检测集成学习算法,该算法利用SVM建立入侵检测基学习器,... 互联网络中,计算机和设备随时受到恶意入侵的威胁,严重影响了网络的安全性。入侵行为升级快、隐蔽性强、随机性高,传统方法难以有效防范。针对这一问题,提出一种基于SVM的网络入侵检测集成学习算法,该算法利用SVM建立入侵检测基学习器,采用AdaBoost集成学习方法对基学习器迭代训练,生成最终的入侵检测模型,仿真实验表明了该算法的有效性。 展开更多
关键词 安全 集成学习 入侵检测 ADABOOST SVM
下载PDF
元宇宙中的学习:融合学习者身份、时空的未来学习图景 被引量：29
8
作者 李小涛 《远程教育杂志》 CSSCI 北大核心 2022年第2期45-53,共9页
元宇宙是融合了人工智能、数字孪生、虚拟现实等一系列新兴技术应用并集成,融合成为元宇宙的核心与根本属性。学习的场景化需求变迁和元宇宙的技术赋能,共同决定了元宇宙中融合性学习的天然基因。这种融合性学习是指在元宇宙的学习场景... 元宇宙是融合了人工智能、数字孪生、虚拟现实等一系列新兴技术应用并集成,融合成为元宇宙的核心与根本属性。学习的场景化需求变迁和元宇宙的技术赋能,共同决定了元宇宙中融合性学习的天然基因。这种融合性学习是指在元宇宙的学习场景下,由学习者、学习者所处的时间、空间以及学习事件共同构成的虚实融合的学习活动,并在特定的技术赋能下形成特定的融合场景。虚实相间的学习者身份融合、非序列的时间无缝衔接融合和学习空间的无缝衔接融合,成为元宇宙融合性学习的三种基本融合形态。元宇宙融合性学习和当前基于互联网的学习有着本质区别。元宇宙的融合属性,破解了传统学习者具身融合的难题,促使学习者从“场景之外”走向“场景之内”,知识学习从“知识之外”走向“知识之内”。因而,元宇宙极大地激发了个体学习的兴趣。元宇宙融合性学习的学习者因素、知识内容等因素,也对学习场景的构建提出了诸多挑战。未来基于元宇宙的学习图景,将实现学习的全要素融合、人与场景的深度融合和技术赋能的所想即所得的全新学习方式。 展开更多
关键词 元宇宙 融合 融合性学习 场景 技术赋能 互联网 未来学习图景
下载PDF
基于深度学习集成的高速铁路信号设备故障诊断方法 被引量：25
9
作者 李新琴 张鹏翔 +1 位作者 史天运 李平 《铁道学报》 EI CAS CSCD 北大核心 2020年第12期97-105,共9页
基于高速铁路设备故障文本数据,提出高速铁路信号设备故障诊断方法。根据信号道岔设备故障文本数据,结合专家经验,构建两级道岔故障诊断类别;针对信号道岔设备故障样本不均衡性,采用ADASYN样本合成方法合成故障少类别样本;故障诊断模型... 基于高速铁路设备故障文本数据,提出高速铁路信号设备故障诊断方法。根据信号道岔设备故障文本数据,结合专家经验,构建两级道岔故障诊断类别;针对信号道岔设备故障样本不均衡性,采用ADASYN样本合成方法合成故障少类别样本;故障诊断模型中采用TF-IDF实现文本特征提取,应用深度学习BiGRU和BiLSTM对文本进行分类,设计组合权重计算方法将深度学习学习结果进行集成。采用高速铁路2009—2018年产生的信号道岔设备故障数据进行试验验证,试验证明深度学习集成方法能够进一步提升信号设备故障诊断分类性能。 展开更多
关键词 高速铁路信号设备 ADASYN数据合成 深度学习 集成学习 故障诊断
下载PDF
基于多模型融合集成学习的智能变电站二次设备状态评估 被引量：25
10
作者 叶远波 黄太贵 +2 位作者 谢民 赵子根 刘宏君 《电力系统保护与控制》 CSCD 北大核心 2021年第12期148-157,共10页
为准确评估智能变电站二次设备运行状态,建立了二次设备状态评估指标体系,并结合多种机器学习算法的差异性,提出了基于多模型融合集成学习的二次设备状态评估法。该方法采用双层结构,上层中利用划分好的数据对数个基学习器进行k折验证,... 为准确评估智能变电站二次设备运行状态,建立了二次设备状态评估指标体系,并结合多种机器学习算法的差异性,提出了基于多模型融合集成学习的二次设备状态评估法。该方法采用双层结构,上层中利用划分好的数据对数个基学习器进行k折验证,下层中利用全连接级联神经网络融合多个基学习器,并采用改进的列文伯格-马夸尔特算法训练该神经网络加速模型收敛。实例分析表明,所提出的方法可以准确地评估二次设备的运行状态,并为智能变电站系统和二次设备的检修工作提供指导意见。 展开更多
关键词 二次设备 状态评估 集成学习 多模型融合
下载PDF
基于半监督迁移学习的轴承故障诊断方法 被引量：20
11
作者 张振良 刘君强 +1 位作者 黄亮 张曦 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2019年第11期2291-2300,共10页
针对航空发动机轴承故障诊断过程中预测精度不足以及过拟合的问题,提出基于迁移学习的半监督集成学习器(SSIT)用以发动机轴承故障预测。首先,训练改进的基于迁移学习的极限学习机(TELM)以及基于迁移学习的支持向量机(TSVM),分别迁移不... 针对航空发动机轴承故障诊断过程中预测精度不足以及过拟合的问题,提出基于迁移学习的半监督集成学习器(SSIT)用以发动机轴承故障预测。首先,训练改进的基于迁移学习的极限学习机(TELM)以及基于迁移学习的支持向量机(TSVM),分别迁移不同目标空间的高相似度样本加入到源样本空间进行训练。然后,与对应的基学习器集成同簇学习器来识别未标记样本,构成半监督学习器不断调整初始基学习器权重,并继续集成半监督基学习器的识别结果到SSIT中。通过此学习机识别提取特征后的,用以故障识别。实验结果清楚地表明:此种方法可以有效降低迁移学习中的负迁移效果,提升迁移精度10%左右,降低机器学习中的过拟合效果,提高半监督学习稳定性,与现有的预测方法相比可以提高精度9%以上。 展开更多
关键词 航空发动机 故障诊断 半监督 迁移学习 集成学习
下载PDF
基于改善Bagging-SVM集成多样性的网络入侵检测方法 被引量：17
12
作者 张康宁 廖光忠 《东北师大学报（自然科学版）》 CAS 北大核心 2020年第4期53-59,共7页
为了提高入侵检测模型的准确率和泛化性,需要对集成学习系统的多样性进行改善.因此将样本扰动与特征扰动结合,对大规模数据集进行分割,构造不同的样本子集,提高集成个体之间的差异,并在特征扰动阶段,采用主成分分析以减少信息冗余,根据... 为了提高入侵检测模型的准确率和泛化性,需要对集成学习系统的多样性进行改善.因此将样本扰动与特征扰动结合,对大规模数据集进行分割,构造不同的样本子集,提高集成个体之间的差异,并在特征扰动阶段,采用主成分分析以减少信息冗余,根据信息增益设置特征权重和信息增益比,对特征子集进行自适应随机搜索,以提高集成系统的多样性.通过KDD Cup99数据集进行了仿真实验,结果表明,采用入侵检测模型能够对超大规模数据进行有效学习,且对各种攻击行为的检测准确率都较高. 展开更多
关键词 入侵检测 集成学习 信息增益 多样性
下载PDF
教育高质量发展背景下融合式教学的价值意蕴与发展路向 被引量：15
13
作者 朱龙 付道明 《现代教育技术》 CSSCI 2022年第10期26-33,共8页
随着教育高质量发展,加上技术赋能、疫情倒逼推动教学创变,融合式教学逐步受到关注。然而在新的发展背景下,人们对这种教学样态还存在认识偏差和应用误区。为此,文章首先梳理了融合式教学的相关研究,进而对其内涵进行重新定义。然后,文... 随着教育高质量发展,加上技术赋能、疫情倒逼推动教学创变,融合式教学逐步受到关注。然而在新的发展背景下,人们对这种教学样态还存在认识偏差和应用误区。为此,文章首先梳理了融合式教学的相关研究,进而对其内涵进行重新定义。然后,文章从线上与线下融合、现实与虚拟融合、技术与教学融合、数据与服务融合四个方面,进一步分析了教育高质量发展下融合式教学的价值意蕴。最后,文章总结了教育高质量发展背景下融合式教学的发展路向,提出提升教师面向未来的融合式教学胜任力、构建支撑融合式教学创新的智慧学习环境、重视在场景应用中发挥融合式教学的价值、基于伴随式评价推动融合式教学深度应用的策略,以期推进融合式教学落地应用,为信息化环境下的教学创新提供参考。 展开更多
关键词 教育高质量发展 融合式教学 价值意蕴 发展路向
下载PDF
基于集成学习的风险预测模型研究与应用 被引量：14
14
作者 彭岩 马铃 +2 位作者 张文静 李晓 郭莹莹 《计算机工程与设计》 北大核心 2022年第4期956-961,共6页
针对疾病数据结构复杂以及传统模型预测精度低等问题,为探寻提高疾病预测效能的有效集成方法,提出一种集成极端梯度提升树、随机森林算法的XGB-RF预测模型,并应用于糖尿病数据集。采用网格搜索法优化模型参数,利用集成学习策略构建完整... 针对疾病数据结构复杂以及传统模型预测精度低等问题,为探寻提高疾病预测效能的有效集成方法,提出一种集成极端梯度提升树、随机森林算法的XGB-RF预测模型,并应用于糖尿病数据集。采用网格搜索法优化模型参数,利用集成学习策略构建完整的预测模型,将多种模型的预测效果进行对比。实验结果表明,XGB-RF集成模型的准确性和解释性优于单一预测模型,可为类似疾病的早预防、早治疗提供科学、准确的辅助信息。 展开更多
关键词 集成学习 视网膜病变 逻辑回归分析 极端梯度提升树 随机森林
下载PDF
烧结系统智能制造与大数据技术应用探讨 被引量：13
15
作者 刘颂 赵亚迪 +3 位作者 甘丽 冯伟 李福民 吕庆 《钢铁》 CAS CSCD 北大核心 2021年第10期54-64,共11页
为了提升烧结工序的智能制造水平,系统总结了近几十年来烧结系统模型的研究进展。针对当前烧结终点预报、烧结矿成分和质量预报以及烧结配料优化模型存在的问题,开展了基于大数据、集成学习和深度学习等技术的烧结系统参数预报与优化研... 为了提升烧结工序的智能制造水平,系统总结了近几十年来烧结系统模型的研究进展。针对当前烧结终点预报、烧结矿成分和质量预报以及烧结配料优化模型存在的问题,开展了基于大数据、集成学习和深度学习等技术的烧结系统参数预报与优化研究,并着重介绍了模型在预报精度及泛化能力提升方面取得的成效。基于上述烧结系统参数预报模型,提出了现场应用烧结过程参数预报与优化系统系统的硬件结构设计和软件结构设计方法。最后从钢铁行业需求出发,剖析了先进信息化技术与工业自动化装备深度融合是提升烧结系统智能制造水平的重要途径,并探讨了大数据及人工智能技术在铁前烧结领域的研究方向和应用前景。 展开更多
关键词 烧结 预测模型 大数据 集成学习 深度学习
原文传递
基于集成学习概率神经网络的电机轴承故障诊断 被引量：13
16
作者 张习习 顾幸生 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第1期68-76,共9页
电机作为一种重要的驱动设备,在工业生产中得到了广泛的应用。滚动轴承是电机最重要的部件之一,一旦发生故障,将严重影响生产过程。因此,对电机轴承故障进行诊断,对保证安全、正常生产具有重要意义。本文采用概率神经网络(PNN)实现了电... 电机作为一种重要的驱动设备,在工业生产中得到了广泛的应用。滚动轴承是电机最重要的部件之一,一旦发生故障,将严重影响生产过程。因此,对电机轴承故障进行诊断,对保证安全、正常生产具有重要意义。本文采用概率神经网络(PNN)实现了电机轴承的故障分类,针对作为概率神经网络最重要参数之一的平滑因子σ需要通过经验或不断尝试的方式人为设定的问题,提出了一种基于正弦余弦优化算法(SCA)的自适应概率神经网络(SPNN);针对同一个训练集和测试集,PNN会得到固定的识别结果,从而在一定程度上降低PNN泛化能力的问题,建立了利用SPNN作为弱分类器的基于AdaBoost的集成学习模型(ASPNN),采用输出概率线性组合的方式得到强分类器的输出结果;将ASPNN模型应用于电机轴承故障诊断,仿真结果表明,与PNN、SPNN和MSVM相比,本文方法在电机轴承故障诊断方面具有更好的性能。 展开更多
关键词 故障诊断 概率神经网络 正弦余弦算法 平滑因子 集成学习
下载PDF
土石坝渗流安全监控的集成学习融合模型 被引量：9
17
作者 宋锦焘 袁帅 +1 位作者 刘云贺 杨杰 《水力发电学报》 CSCD 北大核心 2023年第5期107-119,共13页
土石坝渗流监控模型是定量分析土石坝渗流安全的重要方法。传统土石坝渗流监控模型常独立采用统计模型或机器学习智能算法模型,未有效融合两者的优点。本文在集成学习的框架下,创新地将统计模型和多种并行的智能算法预测模型进行融合,... 土石坝渗流监控模型是定量分析土石坝渗流安全的重要方法。传统土石坝渗流监控模型常独立采用统计模型或机器学习智能算法模型,未有效融合两者的优点。本文在集成学习的框架下,创新地将统计模型和多种并行的智能算法预测模型进行融合,利用统计模型的可解释性和智能算法的高拟合性进而提升集成模型预测精度。首先针对土石坝渗流统计模型,在经典土石坝渗流统计模型基础上充分考虑渗流影响因子的滞后效应,改进水位分量和降雨分量影响因子表达式。然后,基于贝叶斯差分自适应Metropolis(differential evolution adaptive Metropolis,DREAMZS)集成理论,将机器学习中多个先进智能算法和改进的统计模型进行集成,并获得各模型的最优权重系数。实例分析表明,集成学习融合模型相较于单一统计模型或智能算法模型预测精度有明显的提升,有效融合了统计模型和多种智能模型的预测优势,为土石坝渗流监控模型的建立提供了一种新的建模方法。 展开更多
关键词 土石坝 监控模型 渗流安全 预测模型 集成学习
下载PDF
面向不平衡数据集的汽车零部件质量预测 被引量：11
18
作者 李敏波 董伟伟 《中国机械工程》 EI CAS CSCD 北大核心 2022年第1期88-96,共9页
针对汽车零部件质检数据存在合格品与不合格品数量不平衡的问题,提出了基于密度聚类与多工序制造特征的MCDC-MF-SMOTE质检数据过采样方法。先对少数类(不合格)与多数类(合格)样本分别进行密度聚类,再对多工序制造数据和类簇样本分布进... 针对汽车零部件质检数据存在合格品与不合格品数量不平衡的问题,提出了基于密度聚类与多工序制造特征的MCDC-MF-SMOTE质检数据过采样方法。先对少数类(不合格)与多数类(合格)样本分别进行密度聚类,再对多工序制造数据和类簇样本分布进行过采样权重计算;根据设定的过采样比和类簇权重,在少数类簇中进行过采样数据生成。使用MCDC-MF-SMOTE过采样方法生成汽车零部件质检的平衡数据集,并采用随机森林排序制造特征的重要性,对分类模型LightGBM、XGBoost、SVM和MNB进行Stacking集成来预测不合格品。与随机抽检相比,该方法对不合格产品的检出率提高了约63%。 展开更多
关键词 数据不平衡 质量预测 密度聚类 集成学习
下载PDF
基于时空信息组合的分布式光伏功率预测方法研究 被引量：11
19
作者 杨锡运 赵泽宇 +1 位作者 杨岩 张艳峰 《热力发电》 CAS CSCD 北大核心 2022年第8期64-72,共9页
为保障电网安全稳定运行,提高光伏电站经济效益,需要进一步提升光伏功率预测的准确性。为此提出一种基于时空信息组合的分布式光伏功率预测方法。首先,基于极度梯度提升-长短时记忆神经网络(XGBoost-LSTM)集成模型,利用光伏历史数据时... 为保障电网安全稳定运行,提高光伏电站经济效益,需要进一步提升光伏功率预测的准确性。为此提出一种基于时空信息组合的分布式光伏功率预测方法。首先,基于极度梯度提升-长短时记忆神经网络(XGBoost-LSTM)集成模型,利用光伏历史数据时间序列进行预测;然后,基于最小二乘支持向量机(LSSVM)模型,利用光伏电站间的空间相关性进行预测;最后,基于信息熵的基本原理,结合多误差评价角度改进的信息熵确定2种单一预测方法的权值,构建时空信息组合预测模型。研究结果表明:基于多误差评价标准的信息熵权的XGBoost-LSTM+LSSVM模型的平均绝对误差与基于交叉熵的组合模型和基于信息熵的组合模型相比,分别下降1.6%、8.3%;结合单一预测模型的优势,组合模型可降低预测误差,基于多误差评价标准的信息熵组合模型具有更高的鲁棒性与综合性能,可提升分布式光伏功率预测的准确性。 展开更多
关键词 光伏功率预测 集成学习 LSTM LSSVM 熵权法
下载PDF
基于集成学习的分布式光伏发电功率日前预测 被引量：10
20
作者 刘昳娟 陈云龙 +3 位作者 刘继彦 张雪梅 吴潇雨 孔维政 《中国电力》 CSCD 北大核心 2022年第9期38-45,共8页
对于光伏发电功率精准的日前预测有助于电网设计未来调度计划,降低新能源发电对电网的冲击,提高消纳率。提出一种Boosting集成学习框架下的光伏发电功率日前预测方法。首先,根据光伏出力主要受天气影响的特点,通过皮尔逊系数获得相关性... 对于光伏发电功率精准的日前预测有助于电网设计未来调度计划,降低新能源发电对电网的冲击,提高消纳率。提出一种Boosting集成学习框架下的光伏发电功率日前预测方法。首先,根据光伏出力主要受天气影响的特点,通过皮尔逊系数获得相关性强的气象因素,利用k-means++对与光伏发电功率相关性极强的总水平辐照度进行聚类以获得相似日数据集;然后,将极限学习机(extreme learning machine,ELM)引入Boosting框架,构建光伏出力日前预测模型(B-ELMs);最后,利用真实光伏电站运行数据验证模型有效性,该模型在试验过程中展现出良好的适应性,最高决策系数(R^(2))达0.981 9。实验结果表明,由于集成学习框架的存在,B-ELMs能对复杂天气下的规律性弱、波动性强的光伏出力曲线提供较为精确的预测结果;同时,相较于深度学习网络,B-ELMs的收敛速度更快,在维持较快训练速度的同时保障更为精确的预测结果。 展开更多
关键词 光伏出力预测 极限学习机 集成学习 K-MEANS 日前预测
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 2 … 57 下一页 到第 页
使用帮助 返回顶部