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81篇文章
< 1 2 … 5 >
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：
基于时间卷积网络的短期电力负荷预测 被引量：65
1
作者 赵洋 王瀚墨 +1 位作者 康丽 张兆云 《电工技术学报》 EI CSCD 北大核心 2022年第5期1242-1251,共10页
准确的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用。传统时间序列分析方法难以学习短期电力负荷数据的非线性特征,因此论文首先将支持向量回归、高斯过程回归和前向神经... 准确的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用。传统时间序列分析方法难以学习短期电力负荷数据的非线性特征,因此论文首先将支持向量回归、高斯过程回归和前向神经网络等经典机器学习法应用于短期电力负荷预测的适用性和预测效果进行对比分析;预测评价指标表明机器学习方法能够得到较高的预测精度,适用于处理含强非线性特征的短期电力负荷数据;在此基础上,进一步提出一种基于时间卷积深度学习网络的短期电力负荷预测方法,该模型具有从大样本时间序列中提取特征和实现预测的能力,其模型架构能有效解决深层网络学习的退化问题;最后,以实际电力负荷数据作为算例对所提模型进行测试。实验结果表明,时间卷积网络可以获得更高的预测精度,深度学习方法相较于经典机器学习方法在非线性特征学习方面更具优势。 展开更多
关键词 短期电力负荷预测 机器学习 支持向量回归 高斯过程回归 时间卷积网络
下载PDF
基于气象大数据的城市电力负荷预测 被引量：14
2
作者 魏晓川 王新刚 《电测与仪表》 北大核心 2021年第2期90-95,共6页
为克服利用气象因素对用电量预测任务中必须先观测到气象条件再进行预测的困境,提升用电量预测准确性,提出一种基于时序卷积网络与循环神经网络的用电量预测方法。使用时序卷积网络基于历史气象数据对未来气象条件进行预测,结合历史用... 为克服利用气象因素对用电量预测任务中必须先观测到气象条件再进行预测的困境,提升用电量预测准确性,提出一种基于时序卷积网络与循环神经网络的用电量预测方法。使用时序卷积网络基于历史气象数据对未来气象条件进行预测,结合历史用电量数据对未来用电量数据进行预测。算法在预测当前用电量时只依赖于过去的特征,因此无需先观测到当前气象特征。在真实的气象与用电量数据集上的实验结果表明,在仅使用气象因素这一外部变量时,算法对用电量的预测准确性超出了传统方法,有较高的实用性。 展开更多
关键词 用电量预测 预测模型 时序卷积网络 循环神经网络 电力数据
下载PDF
基于VMD和TCN的多尺度短期电力负荷预测 被引量：13
3
作者 刘杰 金勇杰 田明 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第4期550-557,共8页
准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低,模态分解后未考虑子序列融合等问题,提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用... 准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低,模态分解后未考虑子序列融合等问题,提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用VMD将电力负荷数据分解为若干个子序列,解决电力负荷数据的非线性和随机性等问题;再利用TCN对若干个序列采用不同时间尺度进行训练;最后利用全连接网络(FC)对各时间尺度的子序列进行融合,实现短期电力负荷预测,提升预测精度。实验结果表明,该方法相较于VMD和改进的长短时记忆网络(LSTM)相结合的传统预测方法,其均方根误差下降40%,曲线拟合程度提升1.1%。 展开更多
关键词 短期电力负荷预测 子序列融合 时域卷积网络 变分模态分解
下载PDF
时空域融合的骨架动作识别与交互研究 被引量：8
4
作者 钟秋波 郑彩明 朴松昊 《智能系统学报》 CSCD 北大核心 2020年第3期601-608,共8页
在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量... 在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量的干扰信息,定义了一种基于局部姿态运动的时域关注度模块(LPM-TAM),用于抑制时域上的干扰并学习运动姿态的表征。设计了基于姿态运动的时空域融合模块(PMSTF),融合时域运动和空域姿态特征并进行自适应特征增强。通过实验验证,本文提出的方法是有效性的,与其他方法相比,在识别效果上具有很好的竞争力。设计的人体动作交互系统,验证了在实时性和准确率上优于语音交互系统。 展开更多
关键词 动作识别 时空关系 姿态运动 时空域融合 图卷积神经网络 时域关注度 自适应特征增强 人体动作交互
下载PDF
基于迁移学习和知识蒸馏的加热炉温度预测 被引量：8
5
作者 翟乃举 周晓锋 +1 位作者 李帅 史海波 《计算机集成制造系统》 EI CSCD 北大核心 2022年第6期1860-1869,共10页
为了采用精确的控制策略对加热炉的燃烧情况进行优化控制,解决冶金企业中燃烧装置优化控制的核心问题,对加热炉内所有加热区的温度进行预测,并研究神经网络在炉温预测方面的适用性,提出基于迁移学习和知识蒸馏的炉温预测方法。建立基于... 为了采用精确的控制策略对加热炉的燃烧情况进行优化控制,解决冶金企业中燃烧装置优化控制的核心问题,对加热炉内所有加热区的温度进行预测,并研究神经网络在炉温预测方面的适用性,提出基于迁移学习和知识蒸馏的炉温预测方法。建立基于时间卷积网络的源域温度预测模型,采用生成对抗损失进行域自适应来完成模型迁移,准确预测所有加热区的温度。进一步建立基于多任务学习的蒸馏网络,该网络通过教师辅助学生的方式解决深度迁移网络延时高的缺点。实验结果表明,所提迁移学习网络可以明显提升炉温预测的准确性,蒸馏网络可以明显减少网络参数,极大提高炉温预测的时效性。 展开更多
关键词 加热炉 迁移学习 时间卷积网络 知识蒸馏
下载PDF
基于光流场的时间分段网络行为识别 被引量：3
6
作者 焦红虹 周浩 方淇 《云南大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第1期36-45,共10页
针对在双流时间分段网络上进行行为识别在预处理阶段耗时长、精细度有待提高这一问题,在现有的时间分段网络的基础上,将深度学习求解光流场的算法引入到行为识别这一应用中.用原始RGB帧图像作为空间卷积网络的输入提取外观信息,深度学... 针对在双流时间分段网络上进行行为识别在预处理阶段耗时长、精细度有待提高这一问题,在现有的时间分段网络的基础上,将深度学习求解光流场的算法引入到行为识别这一应用中.用原始RGB帧图像作为空间卷积网络的输入提取外观信息,深度学习算法从相邻帧提取的光流场特征图像作为时间卷积网络的输入提取运动信息,两者互为补充,最后将空间卷积网络和时间卷积网络的输出加权融合得到最终识别结果.实验结果表明:用深度学习求解光流场的算法可有效提高识别算法的运算速度,同时也取得了较好的识别效果. 展开更多
关键词 行为识别 卷积神经网络 空间卷积网络 时间卷积网络 光流场 时间分段网络
下载PDF
基于小波变换的Bi-LSTM-TCN短期电价预测 被引量：4
7
作者 竺筱晶 薛睿萌 《电工电能新技术》 CSCD 北大核心 2023年第12期60-68,共9页
随着可再生能源大规模并入电网,电价预测变得越来越困难。为更准确预测含新能源电力市场中的电价,本文提出一种基于离散小波变换(DWT)的双向长短期记忆网络(Bi-LSTM)和时间卷积网络(TCN)的短期电价预测模型。首先利用DWT提取数据的时频... 随着可再生能源大规模并入电网,电价预测变得越来越困难。为更准确预测含新能源电力市场中的电价,本文提出一种基于离散小波变换(DWT)的双向长短期记忆网络(Bi-LSTM)和时间卷积网络(TCN)的短期电价预测模型。首先利用DWT提取数据的时频图,并对重构后的子序列进行相关性分析;然后对于受不同因素影响的子序列建立不同的模型分别进行预测,最后叠加预测结果得到最终预测值。并在北欧丹麦DK1电力市场数据集上进行实验,该方法的均方根误差(RMSE)和平均绝对误差(MAE)分别为3.081%和2.588%,与一些基准模型和现有预测模型相比,该方法的预测精度更高。 展开更多
关键词 短期电价预测 风力发电量 离散小波变换 双向长短期记忆网络 时间卷积网络
下载PDF
基于多粒度时间卷积网络的超短期风功率预测 被引量：1
8
作者 江国乾 徐向东 +3 位作者 白佳荣 何群 谢平 单伟 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期104-111,共8页
针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并... 针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。 展开更多
关键词 风功率 预测 随机森林 多粒度计算 时间卷积网络 挤压激励网络
下载PDF
基于非侵入式负荷分解的有色金属冶炼工序识别 被引量：4
9
作者 方祖春 汪繁荣 《国外电子测量技术》 北大核心 2023年第1期170-177,共8页
为进一步简化数据处理过程和提高生产工序识别准确率,提出一种基于非侵入式负荷分解的工序识别方法。首先将每种工序定义为一种用电设备,然后根据非侵入式负荷分解相关理论,分别选取双向长短期记忆网络和时间卷积网络构建负荷分解模型,... 为进一步简化数据处理过程和提高生产工序识别准确率,提出一种基于非侵入式负荷分解的工序识别方法。首先将每种工序定义为一种用电设备,然后根据非侵入式负荷分解相关理论,分别选取双向长短期记忆网络和时间卷积网络构建负荷分解模型,选择各用电设备对应功率、总功率数据构造数据集对模型进行训练和测试,最后对测试集负荷分解结果进行相关处理得到对应的工序数据。结果表明由基于时间卷积网络的负荷分解方法构成的工序识别模型具有较高的识别准确率,针对测试集的工序识别准确率达98.83%。 展开更多
关键词 非侵入式负荷分解 双向长短期记忆网络 时间卷积网络 工序识别
下载PDF
基于ST-SSIM的电力系统缺失数据重建方法 被引量：5
10
作者 宋铁维 施伟锋 毕宗 《电力建设》 CSCD 北大核心 2022年第7期103-112,共10页
电力系统数据采集、测量、传输和存储等过程均可能出现数据缺失问题,威胁电网安全。针对传统电力系统缺失数据重建方法仅考虑数据分布规律,忽略了数据时序与空间特性的问题,提出一种考虑时空特性的电力系统缺失数据重建模型(spatial-tem... 电力系统数据采集、测量、传输和存储等过程均可能出现数据缺失问题,威胁电网安全。针对传统电力系统缺失数据重建方法仅考虑数据分布规律,忽略了数据时序与空间特性的问题,提出一种考虑时空特性的电力系统缺失数据重建模型(spatial-temporal seq2seq imputation model, ST-SSIM)。ST-SSIM具备编码-解码结构,编码器由基于图卷积层与长短时记忆单元构造的时空信息提取单元组成,用于提取数据高维时空特征,解码器由长短时记忆单元与全连接层组成,用于解码高维特征,生成电力系统数据。所提模型的输入包括电力系统数据时间序列与电网拓扑邻接矩阵,因此ST-SSIM可实现对电力系统数据复杂时空关系的自动学习。算例中,将所提方法与现有方法在不同规模电网下比较,ST-SSIM具有最高的重建精度,证明了ST-SSIM能有效地学习到电力系统数据的时空特性。通过讨论重建误差与数据缺失节点数以及缺失时间跨度的关系,验证了所提模型重建效果较稳定。 展开更多
关键词 电力系统 缺失数据重建 时空特性 图卷积 长短时记忆单元
原文传递
基于时序卷积网络的情感识别算法 被引量：5
11
作者 宋振振 陈兰岚 娄晓光 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期564-572,共9页
采用脑电数据集DEAP进行情感识别。由于脑电信号具有时序性,采用深度学习中的时序卷积网络(TCN)对数据进行训练识别。首先使用小波包分解提取各子带小波系数能量值作为特征;然后通过TCN对特征进行训练,在训练过程中加入了Snapshot寻优... 采用脑电数据集DEAP进行情感识别。由于脑电信号具有时序性,采用深度学习中的时序卷积网络(TCN)对数据进行训练识别。首先使用小波包分解提取各子带小波系数能量值作为特征;然后通过TCN对特征进行训练,在训练过程中加入了Snapshot寻优思想保存多个模型;最后采用投票集成策略建立集成模型,以提高识别精度,并增强结果稳健性。实验结果表明,本文方法将情感分为二类和四类的平均识别精度分别能够达到95%和93%,相对于同类研究有较大的提高。 展开更多
关键词 脑电信号 情感识别 时序卷积网络 小波包分解 Snapshot寻优
下载PDF
基于VMD-TCN-GRU模型的水质预测研究 被引量：1
12
作者 项新建 许宏辉 +4 位作者 谢建立 丁祎 胡海斌 郑永平 杨斌 《人民黄河》 CAS 北大核心 2024年第3期92-97,共6页
为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此... 为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此类研究中常见的SVR(支持向量回归)、LSTM(长短期记忆神经网络)、TCN和CNN-LSTM(卷积神经网络-长短期记忆神经网络)这4种模型预测结果对比表明:VMD-TCN-GRU模型能更好挖掘水质数据在短时震荡过程中的特征信息,提升水质预测精度;VMD-TCN-GRU模型的MAE(平均绝对误差)、RMSE(均方根误差)下降,R^(2)(确定系数)提高,其MAE、RMSE、R^(2)分别为0.0553、0.0717、0.9351;其预测性能优越,预测精度更高且拥有更强的泛化能力,可以应用于汾河水质预测。 展开更多
关键词 水质预测 混合模型 变分模态分解 卷积时间神经网络 门控循环单元 时间序列 汾河
下载PDF
多尺度方法结合卷积神经网络的行为识别 被引量：5
13
作者 盖赟 荆国栋 《计算机工程与应用》 CSCD 北大核心 2019年第2期100-103,136,共5页
为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型。首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型。为了挖掘具有不同邻接关系的骨骼... 为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型。首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型。为了挖掘具有不同邻接关系的骨骼点在描述人体行为时的作用,将卷积神经网络各层中的卷积算子拓展为多尺度卷积算子,并使用该网络得到的特征进行分类。实验在MSR-Action3D数据集和HDM05数据集获得较好的识别率。 展开更多
关键词 行为识别 时空特征 深度卷积神经网络 深度学习 行为矩阵
下载PDF
采用格拉姆角场-卷积神经网络-时序卷积网络混合模型的锂离子电池健康状态估计
14
作者 赵扬 耿莉敏 +5 位作者 胡循泉 胡兵 巫春玲 张文博 山世玉 陈昊 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第11期27-38,共12页
针对现有电池健康状态(SOH)估计存在估计精度低、时序特征捕捉不足的问题,提出了一种格拉姆角场-卷积神经网络-时序卷积网络(GAF-CNN-TCN)混合模型。利用GAF算法将不同长度的容量增量(IC)曲线转换成图像数据,并采用卷积神经网络从中提... 针对现有电池健康状态(SOH)估计存在估计精度低、时序特征捕捉不足的问题,提出了一种格拉姆角场-卷积神经网络-时序卷积网络(GAF-CNN-TCN)混合模型。利用GAF算法将不同长度的容量增量(IC)曲线转换成图像数据,并采用卷积神经网络从中提取特征;提出一种特征融合网络,将二维卷积神经网络从图像中提取的图片特征与一维卷积神经网络从IC序列中提取的时序特征进行融合;将提取的综合特征输入时序卷积网络模型中进行训练,实现了SOH的准确估计。利用美国国家航空航天局和牛津大学的锂离子电池数据集进行模型验证,结果表明:相较于长短期记忆(LSTM)模型,GAF-CNN-TCN混合模型输出的SOH与真实SOH之间的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了85.65%、86.12%、84.0%;相较于CNN-LSTM模型,所提模型的MAE、MAPE和RMSE分别降低了83.24%、83.75%、82.27%;相较于TCN模型,所提模型的MAE、MAPE和RMSE分别降低了76.92%、77.19%、76.01%。 展开更多
关键词 锂离子电池 电池健康状态 格拉姆角场 卷积神经网络 时序卷积网络
下载PDF
考虑阵列间时空相关性的超短期光伏出力预测
15
作者 韩晓 王涛 +1 位作者 韦晓广 王军 《电力系统保护与控制》 EI CSCD 北大核心 2024年第14期82-94,共13页
随着我国光伏产业建设步伐的加快,光伏出力预测对于优化电网调度和提高新能源消纳的意义日益凸显。基于光伏站点中不同阵列之间的空间相关性和光伏功率输出的时序特性,提出一种基于图卷积神经网络和长短期记忆网络(graph convolution ne... 随着我国光伏产业建设步伐的加快,光伏出力预测对于优化电网调度和提高新能源消纳的意义日益凸显。基于光伏站点中不同阵列之间的空间相关性和光伏功率输出的时序特性,提出一种基于图卷积神经网络和长短期记忆网络(graph convolution network and long short-term memory,GCN-LSTM)的超短期光伏出力预测方法。该方法首先以图的形式刻画出光伏站点中不同阵列的连接关系。然后利用图卷积神经网络(graph convolution network,GCN)实现图模型的空间特征提取,并得到包含不同阵列之间空间特征的时序信息。最后将时序数据输入长短期记忆网络(long short-term memory,LSTM)进行光伏出力预测。实验结果表明,基于GCN-LSTM的光伏出力预测方法具有较高的精确性与稳定性,在一定程度上弥补了基于时序信息预测方法的固有缺陷,并且展现出在大规模电站上的良好应用前景。 展开更多
关键词 光伏发电 超短期预测 时空相关性 图卷积神经网络 长短期记忆网络
下载PDF
风电业务流程剩余时间预测与系统应用
16
作者 李建元 田玉超 +2 位作者 尹昱妍 田甜 刘新锋 《软件导刊》 2024年第6期18-24,共7页
针对工业场景下运维事件日志复杂以及数据量较少等问题,提出一种基于时间卷积网络的剩余时间预测方法。首先,使用因果卷积对流程实例数据进行建模;其次,对不同长度的轨迹前缀分别进行模型训练,以提高模型的针对性;最后,将剩余时间预测... 针对工业场景下运维事件日志复杂以及数据量较少等问题,提出一种基于时间卷积网络的剩余时间预测方法。首先,使用因果卷积对流程实例数据进行建模;其次,对不同长度的轨迹前缀分别进行模型训练,以提高模型的针对性;最后,将剩余时间预测模型用于实际的风电运维业务场景中,开发风电运维业务系统,实现工作票表单数据以及事件日志数据的可视化展示。与传统的剩余时间预测方法相比,该方法的预测效果有显著提升,平均绝对误差值降低了5%左右。开发的风电运维业务系统能够预测未完成工作票开票过程中流程的剩余时间,实现业务流程超时告警。 展开更多
关键词 业务流程分析 剩余时间预测 时间卷积网络 风电业务流程 流程可视化
下载PDF
基于数字孪生与融合神经网络的光伏阵列故障诊断
17
作者 刘卫亮 姜锴越 +3 位作者 许之胜 刘帅 刘长良 王昕 《太阳能学报》 EI CAS CSCD 北大核心 2024年第11期303-312,共10页
提出一种基于数字孪生模型与融合神经网络的光伏阵列故障诊断方法。首先,设计并初步实现包含孪生模型、数据采集与传输模块、服务应用系统的光伏电站数字孪生系统整体框架;其次,结合机理建模方法与粒子群(PSO)优化算法,建立光伏阵列数... 提出一种基于数字孪生模型与融合神经网络的光伏阵列故障诊断方法。首先,设计并初步实现包含孪生模型、数据采集与传输模块、服务应用系统的光伏电站数字孪生系统整体框架;其次,结合机理建模方法与粒子群(PSO)优化算法,建立光伏阵列数字孪生模型;再次,通过评估数字孪生模型输出与物理实体输出之间的残差,对故障进行检测;最后,采用时间卷积网络(TCN)结合双向门控循环单元(BiGRU)的融合神经网络,对光伏阵列故障进行诊断。实验结果表明,所提光伏阵列故障诊断方法较其他方法具有更高的精度,准确率可达97.8%。 展开更多
关键词 数字孪生 光伏阵列 粒子群算法 时间卷积网络 双向门控循环单元 故障诊断
下载PDF
基于TCN-BiLSTM网络的电力电缆故障诊断
18
作者 胡业林 王子涵 《佳木斯大学学报（自然科学版）》 CAS 2024年第4期15-18,43,共5页
为了提升电力电缆故障诊断技术的准确率,解决传统电力电缆诊断过程中操作复杂、可靠性低和精准度不够等问题,提出了一种基于TCN和BiLSTM的电力电缆故障诊断方法。该方法的核心是使用Matlab/Simulink搭建三相电缆的仿真模型,按照电缆的... 为了提升电力电缆故障诊断技术的准确率,解决传统电力电缆诊断过程中操作复杂、可靠性低和精准度不够等问题,提出了一种基于TCN和BiLSTM的电力电缆故障诊断方法。该方法的核心是使用Matlab/Simulink搭建三相电缆的仿真模型,按照电缆的实际参数设置模型,然后提取出电缆的四种短路故障:单相接地短路、双相接地短路、双相相间短路以及三相短路的电压信号。构建电缆故障样本集,搭建TCN和BiLSTM网络对电缆故障信号进行特征提取和序列捕捉,通过与TCN网络和CNN-BiLSTM网络进行实验对比,以及对从淮南某煤矿采集到的数据进行验证,证明该方法对电缆故障诊断具有良好的性能。 展开更多
关键词 电缆 故障诊断 时域卷积网络 双向长短时记忆网络 短路故障
下载PDF
基于3DCNN-TCN的农作物产量预测 被引量：2
19
作者 张凯 龚龙庆 +1 位作者 贺兆 霍鹏程 《微电子学与计算机》 2023年第10期83-89,共7页
得益于遥感技术与相关监测技术的快速发展及应用,通过遥感图像挖掘出波段信息以来进行农作物产量预测在近些年这一领域受到更多的青睐.然而,影响农作物生长的多种波段信息受限于空间大小、时间差异会被各种降维技术处理,从而没有充分利... 得益于遥感技术与相关监测技术的快速发展及应用,通过遥感图像挖掘出波段信息以来进行农作物产量预测在近些年这一领域受到更多的青睐.然而,影响农作物生长的多种波段信息受限于空间大小、时间差异会被各种降维技术处理,从而没有充分利用数据的时空、波段特性.因此提出了一种用于农作物产量预测的深度学习架构用以解决这些问题,该模型结合了三维卷积网络(3DCNN)和时间卷积网络(TCN)以更好的捕捉遥感图像的时空信息和波段信息.此外,在新的损失函数中,还引入一个变量,用以消除作物产量标签分布不平衡的影响.最后,通过中国的玉米的产量数据预测验证了新模型.其结果与主要使用的深度学习方法进行比较.实验结果表明,本文所提出的方法可以提供比其他竞争方法更好的预测性能. 展开更多
关键词 农作物产量预测 3DCNN TCN
下载PDF
基于GCN的局部增强人体骨骼行为识别算法 被引量：3
20
作者 谢伙生 罗洪文 《计算机工程与设计》 北大核心 2022年第6期1777-1784,共8页
为使人体骨骼这种非欧几里得结构数据更好地应用于人体行为识别任务中,将多种模态的特征融合后作为模型的输入,探讨关节的全局与局部的信息共现性,构建一个完整的空间信息推理模型。通过使用多层时间膨胀卷积网络提取骨骼数据在时间维... 为使人体骨骼这种非欧几里得结构数据更好地应用于人体行为识别任务中,将多种模态的特征融合后作为模型的输入,探讨关节的全局与局部的信息共现性,构建一个完整的空间信息推理模型。通过使用多层时间膨胀卷积网络提取骨骼数据在时间维度中的上下文依赖关系,使模型可以兼具捕获短期和长期的时序上下文依赖关系,有效提高时间信息的提取能力。提出的分层次时空图卷积神经网络模型在NTU-RGB+D-60和NTU-RGB+D-120数据集上均取得了较好的识别准确率。 展开更多
关键词 图卷积神经网络 人体骨骼数据 行为识别 膨胀卷积 时间卷积网络
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 … 5 下一页 到第 页
使用帮助 返回顶部