期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
人工智能算法在数字孪生系统中数据挖掘与数据分析的研究与应用
被引量：
1
1
作者
姜滟稳
江自昊
《绍兴文理学院学报》
2023年第10期89-94,共6页
为解决数字孪生系统数据利用率低下的问题,结合5G、边缘计算、网络切片等新兴网络技术,提高系统前后端模块的数据采集和实时传输功能.使用YOLOv5s目标检测算法和CutMix数据增强法,对数据进行深度挖掘,将非结构化数据进行特征提取,标记...
为解决数字孪生系统数据利用率低下的问题,结合5G、边缘计算、网络切片等新兴网络技术,提高系统前后端模块的数据采集和实时传输功能.使用YOLOv5s目标检测算法和CutMix数据增强法,对数据进行深度挖掘,将非结构化数据进行特征提取,标记为结构化数据;最终通过XGBoot算法进行多轮线性回归测试,优化系统的决策树,提高系统数据的整体利用率.
展开更多
关键词
人工智能
非结构化数据
数字孪生系统
网络切片
决策树
xgboot
算法
下载PDF
职称材料
关于电力系统供电短期负荷预测仿真研究
被引量：
8
2
作者
任利强
张立民
+1 位作者
王海鹏
郭强
《计算机仿真》
北大核心
2019年第10期103-108,共6页
准确的电力负荷预测有助于电网安全稳定地运行.针对传统单算法单模型存在负荷预测精度低,误差波动大的弊端,提出一种多算法多模型融合的短期电力负荷预测方法.首先利用自助法对数据集进行多次采样.然后使用梯度提升回归树、最小二乘支...
准确的电力负荷预测有助于电网安全稳定地运行.针对传统单算法单模型存在负荷预测精度低,误差波动大的弊端,提出一种多算法多模型融合的短期电力负荷预测方法.首先利用自助法对数据集进行多次采样.然后使用梯度提升回归树、最小二乘支持向量机和XGBoost算法对采样数据集进行学习,得到多个单预测模型.最后将预测点前一段时间的实际负荷值和对应时间点第一次学习到模型的预测值构成新的训练集,并利用XGBoost算法对此训练集进行在线二次学习,得到最终预测结果.利用上述方法对某市短期电力负荷进行预测,全年小时负荷预测结果的平均绝对百分误差(MAPE)低于单模型、多算法单模型和单算法多模型.结果表明,所提方法具有更高的预测精度.
展开更多
关键词
电力负荷预测
自助法采样
多算法多模型融合
极限梯度提升算法
下载PDF
职称材料
题名
人工智能算法在数字孪生系统中数据挖掘与数据分析的研究与应用
被引量：
1
1
作者
姜滟稳
江自昊
机构
芜湖职业技术学院信息与人工智能学院
出处
《绍兴文理学院学报》
2023年第10期89-94,共6页
基金
芜湖职业技术学院质量工程项目“中青年骨干教师”(2022ggjs06)
安徽省高等学校省级质量工程项目“人工智能专业群教学团队”(2021jxtd318)
+1 种基金
安徽省重点教学研究项目“工业机器人应用编程技术虚拟仿真实验教学项目”(2021xnfzxm099)
安徽省重点科学研究项目“基于PBR技术与VR技术相结合的交互式徽派建筑群系统的设计与研究”(KJ2020A0918)。
文摘
为解决数字孪生系统数据利用率低下的问题,结合5G、边缘计算、网络切片等新兴网络技术,提高系统前后端模块的数据采集和实时传输功能.使用YOLOv5s目标检测算法和CutMix数据增强法,对数据进行深度挖掘,将非结构化数据进行特征提取,标记为结构化数据;最终通过XGBoot算法进行多轮线性回归测试,优化系统的决策树,提高系统数据的整体利用率.
关键词
人工智能
非结构化数据
数字孪生系统
网络切片
决策树
xgboot
算法
Keywords
artificial
intelligence
unstructured
data
digital
twin
system
network
slice
decision
tree
xgboot
algorithm
分类号
TP182 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
关于电力系统供电短期负荷预测仿真研究
被引量：
8
2
作者
任利强
张立民
王海鹏
郭强
机构
海军航空大学信息融合研究所
出处
《计算机仿真》
北大核心
2019年第10期103-108,共6页
基金
国家自然科学基金重大研究计划资助项目(91538201)
泰山学者工程专项经费资助项目(Ts201511020)
文摘
准确的电力负荷预测有助于电网安全稳定地运行.针对传统单算法单模型存在负荷预测精度低,误差波动大的弊端,提出一种多算法多模型融合的短期电力负荷预测方法.首先利用自助法对数据集进行多次采样.然后使用梯度提升回归树、最小二乘支持向量机和XGBoost算法对采样数据集进行学习,得到多个单预测模型.最后将预测点前一段时间的实际负荷值和对应时间点第一次学习到模型的预测值构成新的训练集,并利用XGBoost算法对此训练集进行在线二次学习,得到最终预测结果.利用上述方法对某市短期电力负荷进行预测,全年小时负荷预测结果的平均绝对百分误差(MAPE)低于单模型、多算法单模型和单算法多模型.结果表明,所提方法具有更高的预测精度.
关键词
电力负荷预测
自助法采样
多算法多模型融合
极限梯度提升算法
Keywords
Power
load
forecasting
Bootstrap
sampling
Multi-
algorithm
&
multi-model
ensemble
Extreme
gradient
boosting(
xgboot
)
algorithm
分类号
TF743 [冶金工程—钢铁冶金]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
人工智能算法在数字孪生系统中数据挖掘与数据分析的研究与应用
姜滟稳
江自昊
《绍兴文理学院学报》
2023
1
下载PDF
职称材料
2
关于电力系统供电短期负荷预测仿真研究
任利强
张立民
王海鹏
郭强
《计算机仿真》
北大核心
2019
8
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
