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
时间序列预测与深度学习:文献综述与应用实例
被引量：
20
1
作者
李文
邓升
+1 位作者
段妍
杜守国
《计算机应用与软件》
北大核心
2020年第10期64-70,84,共8页
随着深度学习与时间序列传统模型的融合发展,通过利用大量可用数据在整个时间序列集合中估计全局模型的参数,使得传统的局部建模方法得到了实质性的改进。介绍近年来提出的与深度学习相结合的时间序列预测方法及三种时间序列预测模型:...
随着深度学习与时间序列传统模型的融合发展,通过利用大量可用数据在整个时间序列集合中估计全局模型的参数,使得传统的局部建模方法得到了实质性的改进。介绍近年来提出的与深度学习相结合的时间序列预测方法及三种时间序列预测模型:深度状态空间模型(DSSM),深度自回归模型(DeepAR),Transformer模型。采用GluonTS时间序列预测框架对上海市出口额数据进行预测并给出效果评估。实验结果表明,基于深度学习的时间序列预测效果明显优于传统的ARIMA模型的预测。
展开更多
关键词
时间序列预测
深度状态空间模型
深度自回归模型
Transformer模型
下载PDF
职称材料
基于GRA DeepAR的燃气轮机燃烧室故障预警研究
被引量：
2
2
作者
李峻辉
黄伟
《上海电力大学学报》
CAS
2023年第1期19-24,32,共7页
为防止电站燃气轮机燃烧室在工作期间出现故障而导致重大经济损失,提出了一种基于灰色关联度分析和深度自回归模型(GRA DeepAR)的故障预警方法。首先,采集燃气轮机的正常运行数据进行GRA,提取出与透平排气温度高度相关的特征参数;然后,...
为防止电站燃气轮机燃烧室在工作期间出现故障而导致重大经济损失,提出了一种基于灰色关联度分析和深度自回归模型(GRA DeepAR)的故障预警方法。首先,采集燃气轮机的正常运行数据进行GRA,提取出与透平排气温度高度相关的特征参数;然后,采用DeepAR对透平排气温度进行预测,并设定预警阈值,以此建立深度自回归故障预警模型;最后,根据残差绝对值是否超过预警线来间接判断燃烧室的运行情况。以某电厂安萨尔多燃气轮机的运行数据为例进行了分析,结果表明:该方法能够提前识别燃烧室的异常状况,同时发出预警信号提醒工作人员进行处理,可为燃气轮机燃烧室故障预警提供实际参考。
展开更多
关键词
燃气轮机
燃烧室
故障预警
灰色关联度分析
深度自回归模型
下载PDF
职称材料
题名
时间序列预测与深度学习:文献综述与应用实例
被引量：
20
1
作者
李文
邓升
段妍
杜守国
机构
上海对外经贸大学统计与信息学院
上海市人力资源和社会保障局信息中心
出处
《计算机应用与软件》
北大核心
2020年第10期64-70,84,共8页
基金
海关总署决策咨询研究课题(HG-YB009)
国家社会科学基金项目(17BTJ025)
上海市领军人才。
文摘
随着深度学习与时间序列传统模型的融合发展,通过利用大量可用数据在整个时间序列集合中估计全局模型的参数,使得传统的局部建模方法得到了实质性的改进。介绍近年来提出的与深度学习相结合的时间序列预测方法及三种时间序列预测模型:深度状态空间模型(DSSM),深度自回归模型(DeepAR),Transformer模型。采用GluonTS时间序列预测框架对上海市出口额数据进行预测并给出效果评估。实验结果表明,基于深度学习的时间序列预测效果明显优于传统的ARIMA模型的预测。
关键词
时间序列预测
深度状态空间模型
深度自回归模型
Transformer模型
Keywords
Time
series
forecasting
deep
state
space
model
deep
autoregressive
model
Transformer
model
分类号
O211.61 [理学—概率论与数理统计]
TP183 [理学—数学]
下载PDF
职称材料
题名
基于GRA DeepAR的燃气轮机燃烧室故障预警研究
被引量：
2
2
作者
李峻辉
黄伟
机构
上海电力大学自动化工程学院
出处
《上海电力大学学报》
CAS
2023年第1期19-24,32,共7页
基金
上海市“科技创新行动计划”地方院校能力建设专项项目(19020500700)。
文摘
为防止电站燃气轮机燃烧室在工作期间出现故障而导致重大经济损失,提出了一种基于灰色关联度分析和深度自回归模型(GRA DeepAR)的故障预警方法。首先,采集燃气轮机的正常运行数据进行GRA,提取出与透平排气温度高度相关的特征参数;然后,采用DeepAR对透平排气温度进行预测,并设定预警阈值,以此建立深度自回归故障预警模型;最后,根据残差绝对值是否超过预警线来间接判断燃烧室的运行情况。以某电厂安萨尔多燃气轮机的运行数据为例进行了分析,结果表明:该方法能够提前识别燃烧室的异常状况,同时发出预警信号提醒工作人员进行处理,可为燃气轮机燃烧室故障预警提供实际参考。
关键词
燃气轮机
燃烧室
故障预警
灰色关联度分析
深度自回归模型
Keywords
gas
turbine
combustion
chamber
fault
early
warning
grey
relational
analysis
deep
autoregressive
model
分类号
TK472 [动力工程及工程热物理—动力机械及工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
时间序列预测与深度学习:文献综述与应用实例
李文
邓升
段妍
杜守国
《计算机应用与软件》
北大核心
2020
20
下载PDF
职称材料
2
基于GRA DeepAR的燃气轮机燃烧室故障预警研究
李峻辉
黄伟
《上海电力大学学报》
CAS
2023
2
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
