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66篇文章
< 1 2 … 4 >
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：
基于Attention机制的GRU股票预测模型 被引量：20
1
作者 谷丽琼 吴运杰 逄金辉 《系统工程》 CSSCI 北大核心 2020年第5期134-140,共7页
股市行情随众多影响因子不断变化,现有基于时间序列预测的方法难以捕捉该非线性动力系统的复杂变化规律,预测效果并不理想。本文提出基于Attention机制的GRU预测模型,捕捉关键时间点特征信息以解决对时间特征不敏感导致预测精度不高的... 股市行情随众多影响因子不断变化,现有基于时间序列预测的方法难以捕捉该非线性动力系统的复杂变化规律,预测效果并不理想。本文提出基于Attention机制的GRU预测模型,捕捉关键时间点特征信息以解决对时间特征不敏感导致预测精度不高的问题以提升预测精确度。首先使用LSTM和GRU构建基础预测模型;然后对输入特征进行统计处理和筛选,选取更能反映股价变动规律的特征;最后基于编码器-解码器框架,在GRU模型上加入Attention机制,使模型聚焦于重要时间点的股票特征信息。本文在科大讯飞股票数据上进行实验,实验结果表明基于Attention机制的GRU模型在MAPE,RMSE,R2 score三个评价指标上均优于其他模型,Attention机制能够捕捉重要时间点局部特征,对预测模型的优化是可行和有效的。 展开更多
关键词 股票预测 gru模型 Attention机制 特征处理
原文传递
循环神经网络结构中激活函数的改进 被引量：8
2
作者 叶小舟 陶飞飞 +3 位作者 戚荣志 张云飞 周思琪 刘璇 《计算机与现代化》 2016年第12期29-33,共5页
循环神经网络相比于其他深度学习网络,优势在于可以学习到长时依赖知识,但学习过程中的梯度消失和爆炸问题严重阻碍了知识的按序传播,导致长时依赖知识的学习结果出现偏差。为此,已有研究主要对经典循环神经网络的结构进行改进以解决此... 循环神经网络相比于其他深度学习网络,优势在于可以学习到长时依赖知识,但学习过程中的梯度消失和爆炸问题严重阻碍了知识的按序传播,导致长时依赖知识的学习结果出现偏差。为此,已有研究主要对经典循环神经网络的结构进行改进以解决此类问题。本文分析2种类型的激活函数对传统RNN和包含门机制RNN的影响,在传统RNN结构的基础上提出改进后的模型,同时对LSTM和GRU模型的门机制进行改进。以PTB经典文本数据集和LMRD情感分类数据集进行实验,结果表明改进后的模型优于传统模型,能够有效提升模型的学习能力。 展开更多
关键词 深度学习 循环神经网络 激活函数 LSTM模型 gru模型
下载PDF
融合word2vec和注意力机制的图像描述模型 被引量：7
3
作者 邓珍荣 张宝军 +1 位作者 蒋周琴 黄文明 《计算机科学》 CSCD 北大核心 2019年第4期268-273,共6页
针对当前图像描述任务中,生成描述图像的语句整体质量不高的问题,提出一种融合word2vec和注意力机制的图像描述模型。在编码阶段,应用word2vec模型描述文本向量化操作,以增强词与词的相关性;应用VGGNet19网络提取图像特征,并在图像特征... 针对当前图像描述任务中,生成描述图像的语句整体质量不高的问题,提出一种融合word2vec和注意力机制的图像描述模型。在编码阶段,应用word2vec模型描述文本向量化操作,以增强词与词的相关性;应用VGGNet19网络提取图像特征,并在图像特征中融合注意力机制,使得模型在每一个时间节点上生成单词时能够突出相对应的图像特征。在解码阶段,应用GRU网络作为图像描述任务的语言生成模型,用以提高模型的训练效率和生成句子的质量。在Flickr8k和Flickr30k两个公共数据集上的实验结果表明,在同一训练环境下,GRU模型的训练时长比LSTM模型节省了1/3的时间,在BLEU和METEOR评价标准上,所提模型的性能得到了显著提升。 展开更多
关键词 图像描述 word2vec 注意力机制 gru模型
下载PDF
基于Attention-GRU模型的城市燃气用气负荷预测 被引量：6
4
作者 张应辉 《油气储运》 CAS 北大核心 2022年第11期1349-1354,共6页
随着天然气价格确定机制的完善和供储销体制改革的推进,城市燃气资源采购、输送通道、用户端平衡过程中面临诸多机遇和挑战,天然气消费量预测对构建城市能源安全体系显得尤为重要。依据天然气“供-储-销”计划管理体系框架,建立了基于At... 随着天然气价格确定机制的完善和供储销体制改革的推进,城市燃气资源采购、输送通道、用户端平衡过程中面临诸多机遇和挑战,天然气消费量预测对构建城市能源安全体系显得尤为重要。依据天然气“供-储-销”计划管理体系框架,建立了基于Attention机制的GRU(Gate Recurrent Unit)城市燃气用气负荷预测模型,利用Attention机制能够捕获时间序列关键特征的优势,解决了传统时间序列预测算法对重要特征不敏感导致预测精度不高的问题;对输入特征进行统计处理、筛选,使模型聚焦于重要时间点的燃气特征信息。将新建模型应用于北京某燃气集团用气日负荷预测,并将其与常用的传统模型进行对比,结果表明:基于Attention-GRU模型的城市燃气用气负荷预测模型在预测精度上优于其他模型,Attention机制能够捕捉重要时间点局部特征,可为增强城市燃气稳定供应提供参考。 展开更多
关键词 城市燃气 用气负荷 预测 神经网络 gru模型 Attention机制
原文传递
基于ARIMA-GRU模型的地面沉降预测方法研究 被引量：1
5
作者 郭聪楠 王鑫茹 +1 位作者 王小松 练建鑫 《城市地质》 2023年第2期138-143,共6页
由于社会经济的快速发展和城市规模的迅速扩大,地面沉降已成为我国许多城市面临的一个突出问题,有效的地面沉降预测可以更好地协调城市发展。以北京市通州区为研究区域,结合一种组合模型ARIMA-GRU进行地面沉降预测方法研究。把2005—201... 由于社会经济的快速发展和城市规模的迅速扩大,地面沉降已成为我国许多城市面临的一个突出问题,有效的地面沉降预测可以更好地协调城市发展。以北京市通州区为研究区域,结合一种组合模型ARIMA-GRU进行地面沉降预测方法研究。把2005—2015年的年度水准点高程数据作为基准值,运用方差倒数法确定组合模型最优解的权重比例,并采用线性模型和非线性模型的组合方法预测2016—2019年的水准点高程。运用2个单独模型和ARIMA-GRU组合模型进行未来数据趋势变化的预测,并对MSE、RMSE、MAPE模型指标值进行量化分析,和单一ARIMA和GRU模型相比,MSE分别降低了76.84和9.5,RMSE分别降低了3.58和0.52,MAPE分别降低了0.13和0.01。组合模型预测结果的MSE、RMSE、MAPE,预测效果更好。建模实验结果表明,该方法能预测地面沉降变化并实现有效预测,验证了模型的可行性。 展开更多
关键词 ARIMA模型 gru模型 地面沉降 ARIMA-gru组合模型
下载PDF
基于GRU门控单元网络的电力负荷预测研究 被引量：1
6
作者 章家义 龚圣辉 聂堃 《粘接》 CAS 2024年第4期145-148,共4页
准确预测电力负荷,有利于提高电力系统供需平衡,为提高电力负荷预测精度,提出一种基于迁移学习的电力负荷预测模型。该模型以门控循环单元模型(GRU)为基础模型,通过设定最大均值差异算法阈值,从而选择迁移学习的模型,最终实现电力负荷... 准确预测电力负荷,有利于提高电力系统供需平衡,为提高电力负荷预测精度,提出一种基于迁移学习的电力负荷预测模型。该模型以门控循环单元模型(GRU)为基础模型,通过设定最大均值差异算法阈值,从而选择迁移学习的模型,最终实现电力负荷雨预测。仿真结果表明,所提模型可准确预测电力负荷数据,相较于BPNN模型和LSTM模型,所提出模型的MAPE值更低,为17.5%,分别降低了15%和7.5%,具有更高的预测准确度,可用于电力负荷预测实际应用中。 展开更多
关键词 数据分析 电力负荷预测 迁移学习 gru模型
下载PDF
基于机器学习的铜期货价格预测分析 被引量：4
7
作者 沈欣宜 李旭 沈虹 《扬州大学学报（自然科学版）》 CAS 北大核心 2021年第5期1-7,共7页
采用支持向量机、MLP(multilayer perceptron)神经网络、LSTM(long short-term memory)神经网络和GRU(gated recurrent unit)神经网络模型,基于基本面信息与市场情绪指标对上海期货交易所铜期货进行多因素价格预测研究.通过选取包括国... 采用支持向量机、MLP(multilayer perceptron)神经网络、LSTM(long short-term memory)神经网络和GRU(gated recurrent unit)神经网络模型,基于基本面信息与市场情绪指标对上海期货交易所铜期货进行多因素价格预测研究.通过选取包括国内外各类经济与金融指标、百度指数等共26个可度量因素,运用相关性分析和主成分分析,共同构建11个特征指标,基于机器学习模型分析其对铜期货价格预测的能力.结果表明:在摆脱对原始交易数据的依赖后,多因素特征指标对沪铜期货价格有较强的长短期预测能力;不同机器学习模型均能得到相似且稳健的预测结果,表明机器学习在期货市场价格预测中具有良好的适用性. 展开更多
关键词 机器学习 铜期货价格 SVM模型 LSTM模型 gru模型
下载PDF
基于绿色交通背景下的高速公路边坡光伏发电量预测研究
8
作者 张健健 《山西交通科技》 2024年第4期99-103,共5页
边坡光伏发电作为一种环保、可持续的清洁能源技术,有助于绿色交通技术的发展。通过对实地采集的边坡光伏发电数据进行预处理,分析数据变化规律,使用箱形图初步估算数据中异常值的比例,进而使用孤立森林模型精准识别异常值,并使用Light... 边坡光伏发电作为一种环保、可持续的清洁能源技术,有助于绿色交通技术的发展。通过对实地采集的边坡光伏发电数据进行预处理,分析数据变化规律,使用箱形图初步估算数据中异常值的比例,进而使用孤立森林模型精准识别异常值,并使用LightGBM模型对异常值进行预测填充。同时,基于时间序列预测的思想建立GRU模型对未来1 h、2 h、3 h、1 d、2 d、3 d的光伏发电量进行预测,并采用评估指标对模型进行评价,结果表明建立的GRU模型能够精准预测不同时长下的光伏发电量,建立的模型可为未来边坡光伏发电量预测奠定基础。 展开更多
关键词 光伏发电 数据预测 孤立森林模型 LightGBM模型 gru模型
下载PDF
高质量背景下长三角地区生鲜农产品冷链物流需求预测
9
作者 徐超毅 胡望敏 《枣庄学院学报》 2024年第5期25-32,共8页
以上海市、江苏省、浙江省、安徽省三省一市为研究对象,选取2000年至2022年三省一市生鲜农产品产量作为数据研究,采用长短时记忆(long short-term memory,LSTM)神经网络模型和门控循环单元(gated recurrent unit,GRU)模型进行训练和验... 以上海市、江苏省、浙江省、安徽省三省一市为研究对象,选取2000年至2022年三省一市生鲜农产品产量作为数据研究,采用长短时记忆(long short-term memory,LSTM)神经网络模型和门控循环单元(gated recurrent unit,GRU)模型进行训练和验证。结果表明,通过两种模型的训练计算,在精度相似的情况下GRU模型的参数测试时长、训练速度、内存消耗更小,比LSTM模型平均减少0.035 s、106.295 s、1.55 MiB。选取GRU模型对长三角地区生鲜农产品产量进行预测,进而判断长三角地区冷链物流服务的需求程度。结果显示,2023年至2025年长三角地区生鲜农产品冷链物流需求持续上升,最后针对长三角地区三省一市持续上升的冷链物流需求给出几点建议。 展开更多
关键词 高质量发展 长三角地区 gru模型 LSTM模型 冷链物流 需求预测
下载PDF
XGBoost与GRU模型在发电功率预测中的应用
10
作者 李光环 杨小天 刘训钊 《福建电脑》 2024年第6期21-26,共6页
超短期光伏发电功率预测是电网安全调度与平稳运行的基础。针对传统单一预测模型存在预测精度不高、模型抗干扰能力差、鲁棒性不强等问题,本文提出了一种基于双重XGBoost-GRU的混合预测模型,并经过以澳大利亚爱丽丝泉光伏发电系统为算... 超短期光伏发电功率预测是电网安全调度与平稳运行的基础。针对传统单一预测模型存在预测精度不高、模型抗干扰能力差、鲁棒性不强等问题,本文提出了一种基于双重XGBoost-GRU的混合预测模型,并经过以澳大利亚爱丽丝泉光伏发电系统为算例的仿真分析。仿真实验的结果表明,双重XGBoost-GRU组合预测模型相较于GRU、XGBoost-GRU误差分别降低了93.93%、75.65%,说明了基于特征创造XGBoost-GRU融合预测模型具有良好的预测效果。 展开更多
关键词 gru模型 XGBoost模型:光伏功率预测
下载PDF
两种基于深度网络的股票价格预测方法研究
11
作者 孙震宇 《现代信息科技》 2024年第6期86-89,共4页
股票是一种重要的投资渠道,如何更准确地预测股票价格是一个热门的研究课题。由于股票数据的非线性、非平稳以及前后相关等复杂特点,传统的股票价格预测方法已经到达性能瓶颈。随着深度学习方法的兴起,LSTM和GRU等深度神经网络预测模型... 股票是一种重要的投资渠道,如何更准确地预测股票价格是一个热门的研究课题。由于股票数据的非线性、非平稳以及前后相关等复杂特点,传统的股票价格预测方法已经到达性能瓶颈。随着深度学习方法的兴起,LSTM和GRU等深度神经网络预测模型受到了极大的关注。基于厦门港务股票和上证指数的历史交易数据,利用了LSTM和GRU两种模型对收盘价进行预测研究,通过5个指标MAE、MSE、RMSE、MAPE和R^(2)给出了模型评价。 展开更多
关键词 股票价格预测 LSTM模型 gru模型
下载PDF
基于循环神经网络的盾构姿态及掘进参数预测 被引量：3
12
作者 吴坚 曾志全 +3 位作者 张亚鹏 刘龙 杨长松 曾少翔 《浙江工业大学学报》 北大核心 2023年第6期663-670,共8页
在盾构机掘进过程中,盾构姿态和盾构总推进力是两大关键问题。为解决复杂地质施工条件下盾构姿态和盾构总推进力预测困难的问题,提出基于LSTM和GRU模型的盾构水平姿态和盾构总推进力预测方法,利用箱型分析法以及多贝西小波重构降噪对原... 在盾构机掘进过程中,盾构姿态和盾构总推进力是两大关键问题。为解决复杂地质施工条件下盾构姿态和盾构总推进力预测困难的问题,提出基于LSTM和GRU模型的盾构水平姿态和盾构总推进力预测方法,利用箱型分析法以及多贝西小波重构降噪对原始数据进行预处理,有效提高了模型的表现和模型预测的精度。依托杭州某道路提升工程,以盾构掘进西段南线为例,验证了方法的有效性。实验结果表明:原始数据经过异常值清洗、小波降噪后,LSTM模型不仅对盾构水平姿态预测效果较好,平均准确率和平均拟合优度分别为83.5%和0.819,而且预测能力优于GRU模型。 展开更多
关键词 隧道 盾构 箱型分析法 小波重构 LSTM模型 gru模型
下载PDF
基于改进GRU-DNN的收货风险预警模型构建及仿真
13
作者 陈清兵 章光东 +1 位作者 徐康 肖志敏 《微型电脑应用》 2024年第5期132-135,共4页
针对现有收货风险预警方法准确率低的问题,结合Gate Recurrent Unit(GRU)和Deep Neural Networks(DNN),提出一种基于改进GRU-DNN模型的收货风险分析方法。通过采用模糊综合分析法(FSA)筛选出收货风险主要评价指标,并将指标输入通过对抗... 针对现有收货风险预警方法准确率低的问题,结合Gate Recurrent Unit(GRU)和Deep Neural Networks(DNN),提出一种基于改进GRU-DNN模型的收货风险分析方法。通过采用模糊综合分析法(FSA)筛选出收货风险主要评价指标,并将指标输入通过对抗性训练与预测相似性改进的GRU-DNN网络中进行分类识别,实现了收货风险分析。仿真结果表明,所提的改进GRU-DNN风险预警方法可实现收货风险预警,且在准确率、精确率、召回率、F 1各项指标上表现良好,均达到86%以上的有效率,相较于传统基于DNN、Convolutional Neural Network(CNN)和Multivariable Linear Regression Model(MLR)等模型的风险预警方法,具有明显的优势和良好的预测性能和鲁棒性。 展开更多
关键词 风险评价 模糊聚类 gru模型 DNN网络
下载PDF
基于GRU的未来24小时高低温预报技术研究
14
作者 雷鸣 年飞翔 +2 位作者 郭阳 勾志竟 姜罕盛 《信息技术》 2024年第5期81-85,共5页
温度作为重要的气象要素,关乎民生和生产,其中最高温和最低温更是引人关注,但相关的研究却鲜有涉及。文中基于GRU模型提出了一种未来24小时高低温的AI预报算法,并针对数据缺失情况设计了5种数据处理方法,利用实况和多种模式资料制作AI... 温度作为重要的气象要素,关乎民生和生产,其中最高温和最低温更是引人关注,但相关的研究却鲜有涉及。文中基于GRU模型提出了一种未来24小时高低温的AI预报算法,并针对数据缺失情况设计了5种数据处理方法,利用实况和多种模式资料制作AI训练数据集,以过去72小时实况数据和模式未来24小时预报数据为输入。实验表明,该方法能够有效提高高低温的预报精度,最高温预报误差为1.59℃,最低温预报误差为1.19℃,预报精度高于EC模式和预报员的预报精度,尤其是最低温预报精度提升比较明显,对预报员具有较好的预报指导意义。 展开更多
关键词 深度学习 gru模型 人工智能 高低温预报 数据处理
下载PDF
基于GRU模型的股票价格预测
15
作者 卢茜妍 卢洪斌 《山西电子技术》 2024年第1期7-8,12,共3页
利用GRU模型对输入时间序列的高效处理能力,提出了一种基于GRU模型的股票价格预测方法,在输入序列中引入价格、成交量、平滑异同移动平均指数三种股票技术参数,明显提高了GRU模型股价预测的准确度。
关键词 gru模型 股价预测 时间序列 深度学习
下载PDF
基于神经网络模型的绵阳市空气质量指数预测 被引量：2
16
作者 诸鑫 林孝先 +3 位作者 刘庆红 董廷旭 刘慧丽 尹小康 《绵阳师范学院学报》 2023年第8期112-118,共7页
随着工业化的不断推进和城市化不断的发展,空气质量变差的问题在全国范围内都变得普遍,空气质量指数(AQI)是反映空气中污染物程度的综合指标,通过Python语言编写RF模型、CNN-LSTM模型以及GRU模型分别对绵阳市2016-2021年的空气质量数据... 随着工业化的不断推进和城市化不断的发展,空气质量变差的问题在全国范围内都变得普遍,空气质量指数(AQI)是反映空气中污染物程度的综合指标,通过Python语言编写RF模型、CNN-LSTM模型以及GRU模型分别对绵阳市2016-2021年的空气质量数据和气象数据进行训练,并预测出2022年1月1日至2022年1月7日的AQI具体值,对比预测值与真实值,结果显示RF模型准确率更高,因此RF模型更适合用于对AQI的预测,为防治大气污染提供更科学的方法. 展开更多
关键词 CNN-LSTM模型 gru模型 RF模型 神经网络 空气质量预测
下载PDF
基于Res-GRU模型的共享单车骑行量预测和影响因素分析
17
作者 沈峰 张璐 吉静 《交通与运输》 2023年第5期70-74,共5页
对城市共享单车的骑行影响因素进行深入研究,并对城市共享单车的未来骑行需求量进行科学预测,不仅为共享单车企业对单车调度运营提供参考,也为监管部门的精细化和智能化共享单车监管提供决策依据。为了对共享单车骑行影响因素进行量化分... 对城市共享单车的骑行影响因素进行深入研究,并对城市共享单车的未来骑行需求量进行科学预测,不仅为共享单车企业对单车调度运营提供参考,也为监管部门的精细化和智能化共享单车监管提供决策依据。为了对共享单车骑行影响因素进行量化分析,并构建高精度的骑行量预测模型,提出基于Res-GRU深度学习网络模型,将用于卷积神经网络的残差神经网络模块融入到门控循环神经网络模型GRU中,可以进一步提高GRU模型精度;同时,首次使用互信息模型对共享单车骑行使用的影响因素进行量化分析。以上海市骑行量数据为研究案例,结果显示,3 d在线量是对共享单车日骑行量影响最重要的因素之一。传统的机器学习模型对共享单车骑行量预测精度为80.1%,GRU模型预测精度为83.7%,而Res-GRU深度学习网络模型对共享单车骑行量预测精度为90.1%,取得较为明显的预测效果。 展开更多
关键词 共享单车骑行量预测 Res-gru模型 互信息 gru模型 特征工程
下载PDF
基于encoder-decoder框架的城镇污水厂出水水质预测 被引量：2
18
作者 史红伟 陈祺 +1 位作者 王云龙 李鹏程 《中国农村水利水电》 北大核心 2023年第11期93-99,共7页
由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encod... 由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encoder-decoder结构的神经网络预测水质。结果显示,所提结构对LSTM和GRU网络预测能力都有一定提升,对长期预测能力提升更加显著,ED-GRU模型效果最佳,短期预测中的4个出水水质指标均方根误差(RMSE)为0.7551、0.2197、0.0734、0.3146,拟合优度(R2)为0.9013、0.9332、0.9167、0.9532,可以预测出水质局部变化,而长期预测中的4个指标RMSE为1.7204、1.7689、0.4478、0.8316,R2为0.4849、0.5507、0.4502、0.7595,可以预测出水质变化趋势,与顺序结构相比,短期预测RMSE降低10%以上,R2增加2%以上,长期预测RMSE降低25%以上,R2增加15%以上。研究结果表明,基于encoder-decoder结构的神经网络可以对污水厂出水水质进行准确预测,为污水处理工艺改进提供技术支撑。 展开更多
关键词 污水厂出水 encoder-decoder 多指标水质预测 gru模型
下载PDF
基于汽车价值链业务协同资源的配件销量预测模型 被引量：2
19
作者 孙磊 任春华 +1 位作者 高雪芹 王波 《现代计算机》 2021年第26期32-37,共6页
随着汽车售后服务市场竞争愈发激烈,为了提高市场占有率,配件代理商不仅要向客户提供优质的服务,还要减少库存成本。因此制定准确有效的配件销量预测模型对配件代理商至关重要。本文以汽车价值链业务协同过程中产生的配件销量数据为基础... 随着汽车售后服务市场竞争愈发激烈,为了提高市场占有率,配件代理商不仅要向客户提供优质的服务,还要减少库存成本。因此制定准确有效的配件销量预测模型对配件代理商至关重要。本文以汽车价值链业务协同过程中产生的配件销量数据为基础,提出了一种BP-GRU组合预测模型,用于配件的销量预测。该模型利用BP网络对数据的特征进行初步提取,接着利用GRU捕获时间长期依赖性,将BP和GRU的预测结果进行加权融合。最后采用了包括平台某配件代理商的销售数据在内的3种数据集进行了5组对比实验。实验结果表明,该组合模型的预测效果比起其他单一模型的效果更好。 展开更多
关键词 配件销量预测 组合预测模型 BP神经网络 gru模型
下载PDF
基于VMD-AOA-GRU的超短期风向预测 被引量：1
20
作者 张瀚 满丹丹 王航 《自动化应用》 2023年第3期66-70,共5页
风向的精准预测对风资源的高效利用和风电机组的安全运行具有重大意义。为此,本文提出一种基于VMD-AOA-GRU的超短期风向预测方法。利用变分模态分解(VMD)算法将历史风向数据分解为不同频率的信息,然后采用GRU算法构建基于分解序列的预... 风向的精准预测对风资源的高效利用和风电机组的安全运行具有重大意义。为此,本文提出一种基于VMD-AOA-GRU的超短期风向预测方法。利用变分模态分解(VMD)算法将历史风向数据分解为不同频率的信息,然后采用GRU算法构建基于分解序列的预测模型;利用收敛速度快、精度高的AOA算法,逐个求解已分解序列的最优时间窗口长度和GRU预测模型的超参数,最后重构各分解序列的预测结果,并得到最终预测结果。通过与其它算法预测结果的对比分析,证明了本文所提方法的可行性。 展开更多
关键词 变分模态分解 算术优化算法 gru模型 风向超短期预测
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 … 4 下一页 到第 页
使用帮助 返回顶部