题名 基于多模式分解的碳交易价格组合预测模型
被引量：8
1
作者
赵鑫 陈臣鹏 毕贵红 陈仕龙 谢旭
机构
昆明理工大学电力工程学院
出处
《电力科学与工程》
2022年第2期52-59,共8页
文摘
针对碳交易过程中碳价序列的非线性和非平稳性,提出一种基于多模式分解、样本熵、鲸鱼优化(whale optimization algorithm,WOA)和长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型。首先,使用奇异谱分解、变分模态分解和完全集合经验模态分解,分别分解原始碳价序列,降低原始序列的复杂度和非平稳性,实现不同模式模态分量规律的互补;然后,使用样本熵算法将熵值接近分量重构为一个新的分量,以提高预测效率;最后,使用WOA-LSTM组合预测网络建立历史碳价之间的时间特征关系,在时空相关性分析的基础上得到碳价预测值。实验结果表明,该组合预测模型可以有效地提高碳交易价格的预测准确率。
关键词
碳交易价格 多 模式 分解 样本熵 鲸鱼优化 LSTM神经网络 组合预测
Keywords
carbon trading price multi-mode decomposition sample entropy whale optimization algorithm LSTM neural network combined prediction
分类号
TK-9
[动力工程及工程热物理]
题名 基于多模式分解和多分支输入的光伏功率超短期预测
2
作者
毕贵红 张梓睿 赵四洪 黄泽 鲍童语 骆钊
机构
昆明理工大学电力工程学院
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2024年第9期3837-3849,I0001,共14页
基金
国家重点研发计划(2022YFB2703500)。
文摘
针对光伏发电功率随机性强、波动性大导致其预测精度不高的问题,提出一种基于自适应近邻传播聚类(adaptive affinity propagation clustering,adAP)、多模式分解、多分支输入组合的光伏功率预测方法。首先,基于相关性分析找到与光伏发电功率高度相关的气象因素,并利用快速傅里叶变换(fast Fourier transform,FFT)将光伏输出功率从时域转换到频域,与相关度高的气象因素一起作为adAP算法的聚类特征,对具有相似气象特征的日场景进行分类;其次,对聚类相似日较少且输出功率波动剧烈天气类型中的气象相关因素和光伏输出功率添加高斯白噪声,并将其与原始数据合并,达到倍增样本的效果,以提升模型的泛化能力和鲁棒性;然后,使用变分模态分解(variational mode decomposition,VMD)、奇异谱分解(singular spectrum decomposition,SSD)和群分解(swarm decomposition,SWD)对光伏功率、辐照度和温度进行分解,削弱原始序列的波动性,丰富模型的输入特征;最后,搭建多分支的残差网络(residual network,ResNet)和长短期记忆网络(long short term memory network,LSTM)模型,提取数据的时间特征和波动特征,合并后输入到门控循环单元网络(gated recurrent unit network,GRU)中,建立历史特征和未来光伏输出功率的联系,得到预测结果。实验结果表明,所提出的多模型组合预测方法在光伏功率波动较缓天气情况下,能够保持较高的预测精度;在波动剧烈天气情况下,能够较大地提升预测精度。
关键词
光伏发电 超短期预测 自适应近邻传播聚类 多 分支输入多 模式 分解 深度学习
Keywords
photovoltaic power generation ultra-short-term forecast adaptive affinity propagation clustering multi-branch input multi-mode decomposition deep learning
分类号
TM615
[电气工程—电力系统及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 结合稀疏先验与多模式分解的低秩张量恢复方法
3
作者
杨秀红 苟田坤 薛怡 金海燕 石争浩
机构
西安理工大学计算机科学与工程学院 陕西省网络计算与安全技术重点实验室
出处
《中国图象图形学报》
CSCD
北大核心
2024年第4期922-938,共17页
基金
国家自然科学基金项目(61801380) 陕西省重点研发计划(2024NC-YBXM-216) 西安市碑林区科技计划项目(GX2104)。
文摘
目的各类终端设备获取的大量数据往往由于信息丢失而导致数据不完整,或经常受到降质问题的困扰。为有效恢复缺损或降质数据,低秩张量补全备受关注。张量分解可有效挖掘张量数据的内在特征,但传统分解方法诱导的张量秩函数无法探索张量不同模式之间的相关性;另外,传统张量补全方法通常将全变分约束施加于整体张量数据,无法充分利用张量低维子空间的平滑先验。为解决以上两个问题,提出了基于稀疏先验与多模式张量分解的低秩张量恢复方法。方法在张量秩最小化模型基础上,融入多模式张量分解技术以及分解因子局部稀疏性。首先对原始张量施加核范数约束,以此捕获张量的全局低秩性,然后,利用多模式张量分解将整体张量沿着每个模式分解为一组低维张量和一组因子矩阵,以探索不同模式之间的相关性,对因子矩阵施加因子梯度稀疏正则化约束,探索张量子空间的局部稀疏性,进一步提高张量恢复性能。结果在高光谱图像、多光谱图像、YUV(也称为YCbCr)视频和医学影像数据上,将本文方法与其他8种修复方法在3种丢失率下进行定量及定性比较。在恢复4种类型张量数据方面,本文方法与深度学习GP-WLRR方法(global prior refined weighted low-rank representation)的修复效果基本持平,本文方法的MPSNR(mean peak signal-to-noise ratio)在所有丢失率及张量数据上的总体平均高0.68 dB,MSSIM(mean structural similarity)总体平均高0.01;与其他6种张量建模方法相比,本文方法的MPSNR及MSSIM均取得最优结果。结论提出的基于稀疏先验与多模式张量分解的低秩张量恢复方法,可同时利用张量的全局低秩性与局部稀疏性,能够对受损的多维视觉数据进行有效修复。
关键词
多 模式 张量分解 稀疏先验 因子梯度稀疏性 低秩张量恢复
Keywords
multi-modal tensor factorization sparse prior factor gradient sparsity low-rank tensor completion
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
题名 基于NA-MEMD和互信息的脑电特征提取方法
被引量：10
4
作者
韩笑 佘青山 高云园 罗志增
机构
杭州电子科技大学智能控制与机器人研究所
出处
《传感技术学报》
CAS
CSCD
北大核心
2016年第8期1140-1148,共9页
基金
浙江省自然科学基金项目(LY15F010009) 国家自然科学基金项目(61201302 +1 种基金 61172134 61201300)
文摘
多变量经验模式分解(MEMD)方法不需要根据先验知识选取基函数,能同时对多通道数据进行自适应分解,适合于分析具有高度相关性和非平稳性的脑电信号。为了判别包含有用信息的内蕴模式函数(IMFs),提出一种基于噪声辅助多变量经验模式分解(NA-MEMD)和互信息的方法,并用于脑电特征提取。首先使用NA-MEMD算法对多通道信号进行分解得到多尺度IMF分量,然后采用互信息法分别计算各尺度上信号与其IMF分量、噪声与其IMF分量、信号IMF分量与噪声IMF分量之间的相关性,接着根据敏感因子筛选包含有用信息的IMF分量,将其叠加得到对应的重构信号,最后采用共同空间模式(CSP)法对重构信号进行特征提取,再用支持向量机(SVM)实现分类。使用仿真数据和实际数据集BCI Competition IV Data Set 1进行测试,与现有的其他方法比较,验证了所提方法的有效性。
关键词
脑电信号 噪声辅助多 变量经验模式 分解 互信息 共同空间模式
Keywords
EEG signals mutual informa-tion
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 数据多层次分解的多结点模式函数
5
作者
黄静 齐东旭 唐泽圣
机构
澳门科技大学资讯科技学院
出处
《北方工业大学学报》
2004年第1期1-5,11,共6页
基金
国家 973重点基础研究发展规划项目 (G19980 3 0 60 7 G2 0 0 2CB3 12 10 4) 国家自然科学基金重点资助项目 ( 60 13 3 0 2 0 )
文摘
针对数据分析问题 ,提出一类新的算法 ,称之为多结点经验模式分解 (MEMD) .依据多结点样条函数插值理论 ,定义了模式函数 ,给出了数据分解过程 .
关键词
数据分解 多 结点样条插值曲线拟合 数据处理 多 结点经验模式 分解 CAGD
Keywords
data decomposition many-knot spline interpolation curve fitting data processing
分类号
TP391.72
[自动化与计算机技术—计算机应用技术]
