考虑短期负荷影响的DeepESN电力市场实时电价预测研究 被引量：17

1

作者 贾雪枫 李存斌 《智慧电力》 北大核心 2021年第1期64-70,共7页

精准的电价预测有助于宏观调控的实施。但能源结构转型导致大规模可再生能源并网,因此会导致电价降低和产生波动,降低时序预测序列的相关性,加大实时电价的预测难度。针对这一问题,采用自相关函数和最大信息数计算电价自身和电价与电量... 精准的电价预测有助于宏观调控的实施。但能源结构转型导致大规模可再生能源并网,因此会导致电价降低和产生波动,降低时序预测序列的相关性,加大实时电价的预测难度。针对这一问题,采用自相关函数和最大信息数计算电价自身和电价与电量关联性,为模型输入提供依据,并在此基础上应用具有深度储备池特性的深度回响网络进行实时电价预测。研究结果表明:电价与电量、电价自身具有较强相关性,应考虑自身与电量因素;深度回响网络能够显著提升预测模型的精度,并且具有较强的鲁棒性。 展开更多

关键词 深度回响网络 实时电价预测 自相关系数 最大信息数

下载PDF 职称材料

基于深度特征融合网络的风电机组行星齿轮箱故障诊断方法 被引量：14

2

作者 李东东 赵阳 +1 位作者 赵耀 蒋海涛 《电力系统保护与控制》 EI CSCD 北大核心 2022年第10期1-10,共10页

行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其... 行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。 展开更多

关键词 行星齿轮箱 故障诊断 多场景 深度学习 堆栈稀疏自编码器 回声状态网络 深度特征融合网络

下载PDF 职称材料

改进的深度回声网络在空调负荷预测中的应用 被引量：3

3

作者 王永海 李云峰 +3 位作者 董军 关爱章 王华秋 向力 《重庆理工大学学报（自然科学）》 北大核心 2023年第6期249-258,共10页

针对深度回声状态网络的输入权值随意性太大、中间状态数量庞大、关键参数凑试决定等问题,运用灰色关联度计算属性间的相关性从而确定输入权值。采用聚类算法简化中间状态,并用坐标轮换法搜索最佳的深度网络层数和储备池个数,对算法进... 针对深度回声状态网络的输入权值随意性太大、中间状态数量庞大、关键参数凑试决定等问题,运用灰色关联度计算属性间的相关性从而确定输入权值。采用聚类算法简化中间状态,并用坐标轮换法搜索最佳的深度网络层数和储备池个数,对算法进行改进。通过UCI标准数据集的实验,发现改进后的算法提升了预测精度和速度。采用改进的深度回声网络预测卷烟厂空调负荷,通过当前时刻的内外部条件,解决由于负荷数据周期性波动所造成的预测效率低的问题,及时准确地预测出了下一时刻的空调负荷,提前对冷水机组的运行策略进行了调节,从而达到空调节能的目的。 展开更多

关键词 深度回声状态网络 灰色关联度 聚类 坐标轮换法 空调负荷预测

下载PDF 职称材料

空压机负荷预测与智能调度算法研究

4

作者 王华秋 张燕 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第1期160-168,共9页

针对目前空压机机组调度中存在能源消耗高、资源浪费严重等问题,结合空压机机组的组合特点,对空压机的台数调度进行研究。提出一种多策略改进的哈里斯鹰优化算法(MHHO)和深度回声状态网络(DESN)相组合的空压机负荷预测模型,在获得一天2... 针对目前空压机机组调度中存在能源消耗高、资源浪费严重等问题,结合空压机机组的组合特点,对空压机的台数调度进行研究。提出一种多策略改进的哈里斯鹰优化算法(MHHO)和深度回声状态网络(DESN)相组合的空压机负荷预测模型,在获得一天24 h所需负荷之后,利用MHHO算法对机组组合进行调度和用气量分配。实验结果表明:预测模型对空压机负荷预测具有更高的准确性,提高了机组的运行效率,减少了系统能源消耗,具有应用价值。 展开更多

关键词 空压机负荷预测 改进的哈里斯鹰优化算法 深度回声状态网络 超参数 智能调度

下载PDF 职称材料

基于去趋势多重互相关的深度回声状态网络剪枝算法

5

作者 孙晓川 王宇 +1 位作者 李莹琦 黄天宇 《郑州大学学报（工学版）》 CAS 北大核心 2024年第4期38-45,共8页

针对储备池中存在的冗余结构导致深度回声状态网络预测精度不佳的问题,提出了一种基于去趋势多重互相关的深度回声状态网络剪枝算法。首先,根据去趋势协方差函数和去趋势方差函数,依次计算所选储备池中每2个神经元之间的去趋势互相关系... 针对储备池中存在的冗余结构导致深度回声状态网络预测精度不佳的问题,提出了一种基于去趋势多重互相关的深度回声状态网络剪枝算法。首先,根据去趋势协方差函数和去趋势方差函数,依次计算所选储备池中每2个神经元之间的去趋势互相关系数,构建去趋势互相关矩阵,基于该矩阵评估该储备池中所选神经元与所有剩余神经元之间的去趋势多重互相关性。其次,依次删除每个储备池中高相关性神经元到输出层的连接,从而去除网络中的冗余结构。最后,通过最小二乘回归重新训练剪枝后的网络,以获得最优的深度回声状态网络拓扑结构。仿真结果表明:经过所提算法优化后的深度回声状态网络在Mackey-Glass时间序列上的预测精度和记忆能力分别提高了89.80%和30.93%,在Call时间序列上的预测精度和记忆能力分别提高了14.34%和0.10%。 展开更多

关键词 深度回声状态网络 结构优化 剪枝 去趋势多重互相关 时间序列预测

下载PDF 职称材料

基于多任务学习的光信道性能多变量预测方法

6

作者 孙晓川 曹荻非 +2 位作者 郝明祥 李志刚 李莹琦 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2023年第5期854-862,共9页

针对高速光骨干网络中信道传输损伤对信道性能造成影响的问题,提出基于多任务学习的光信道性能多变量预测方法。构建基于交叉递归图理论的光信道性能影响因素的确定方法,从定性和定量的角度实现对光信道性能的同信道以及跨信道影响因素... 针对高速光骨干网络中信道传输损伤对信道性能造成影响的问题,提出基于多任务学习的光信道性能多变量预测方法。构建基于交叉递归图理论的光信道性能影响因素的确定方法,从定性和定量的角度实现对光信道性能的同信道以及跨信道影响因素的有效筛选;利用多个筛选的影响因素,构建基于多任务学习的深度回声状态网络多变量预测方法,实现不同光信道状态参数的特征共享,进而高效准确地完成特定光信道的性能预测任务。仿真结果表明,提出的方法在保证运算效率的前提下,相较于其他先进深度学习模型,预测精度平均可提升约39.8%。 展开更多

关键词 光纤和光通信 交叉递归图理论 多任务学习 深度回声状态网络

下载PDF 职称材料

基于DESSA-DESN和NCA的锂离子电池剩余寿命预测

7

作者 李练兵 朱乐 +2 位作者 景睿雄 王兰超 韩琪琪 《储能科学与技术》 CAS CSCD 北大核心 2023年第10期3191-3202,共12页

锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法... 锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法。首先,对锂离子电池的容量衰减特性进行分析,对于多种能够描述电池老化状态的间接健康指标,利用NCA算法降维处理,得到4个高相关度的健康因子作为模型的输入;其次,将差分进化算法(DE)和麻雀搜索算法(SSA)相结合,将突变、交叉、筛选等操作引入SSA算法的种群更新过程中,提出混合差分进化-麻雀搜索算法(DESSA)算法,利用DESSA算法对DESN网络的参数进行寻优,建立DESSA-DESN预测模型。最后,利用NASA数据集和CALCE数据集对所提模型的有效性和泛化性能进行验证,并与SSA-DESN、GPR等现有方法进行比较,结果表明本工作提出的DESSA-DESN模型能够更加准确追踪锂离子电池的退化状态,具有更小的预测误差,对RUL预测结果的均方根误差(RSME)能够保持在1.5%以内,平均绝对误差(MAE)保持在1%以下。 展开更多

关键词 锂离子电池 剩余使用寿命 邻域成分分析 深度回声状态网络 混合差分进化-麻雀搜索算法

下载PDF 职称材料

基于IGSA-DESN的短时交通流预测方法 被引量：3

8

作者 张清勇 常万峰 +2 位作者 李昶吾 黄荆溪 张行 《武汉理工大学学报》 CAS 2022年第7期89-95,共7页

短时交通流的准确预测为智能交通系统的稳定运行提供了至关重要的技术支持。针对这一问题,提出了一种基于改进遗传模拟退火算法(IGSA)和深度回声状态网络(DESN)的短时交通流预测方法。该算法采用DESN网络对交通流量数据进行预测;并运用... 短时交通流的准确预测为智能交通系统的稳定运行提供了至关重要的技术支持。针对这一问题,提出了一种基于改进遗传模拟退火算法(IGSA)和深度回声状态网络(DESN)的短时交通流预测方法。该算法采用DESN网络对交通流量数据进行预测;并运用融合了并行搜索策略和自适应搜索策略的IGSA算法对DESN网络的超参数进行优化,得到能够使DESN网络预测性能最优的超参数值。最终利用最优超参数值构成的DESN网络对测试集数据进行预测。通过大量的对比实验表明,所提出的IGSA-DESN预测方法在短时交通流预测任务中有较好的预测性能与精准度。 展开更多

关键词 短时交通流预测 深回声状态网络 改进遗传模拟退火算法 自适应搜索策略

原文传递

深度回声状态网络概述 被引量：2

9

作者 程国建 魏珺洁 《电子科技》 2018年第8期92-95,共4页

作为一种递归神经网络,回声状态网络凭借其简单的训练过程和独特的储备池结构受到广泛关注,目前已经应用于时间序列预测、非线性系统识别、定量预测等领域。然而回声状态网络也存在一些不足,例如储备池的优化问题、共线性问题等。许多... 作为一种递归神经网络,回声状态网络凭借其简单的训练过程和独特的储备池结构受到广泛关注,目前已经应用于时间序列预测、非线性系统识别、定量预测等领域。然而回声状态网络也存在一些不足,例如储备池的优化问题、共线性问题等。许多研究学者尝试着优化回声状态网络的结构和性能,文中介绍的深度回声状态网络增加了特征链接和编码器,并且多次交替使用储备池和编码器来进行投影编码,改进了回声状态网络的性能。论文结合众多学者的研究,对深度回声状态网络的学习过程、应用和特点进行了详细介绍。该网络结构中加入了可以进行高维投影的编码器,在浅层回声状态网络的基础上进行了较大的改动,是一种值得研究的新型网络结构。 展开更多

关键词 递归神经网络 回声状态网络 深度回声状态网络 储备池 编码器 特征链接

下载PDF 职称材料

一种改进的深度置信网络模型在CPI预测中的应用

10

作者 吴明珍 吴有富 +1 位作者 王飞 孔梦秋 《兴义民族师范学院学报》 2019年第1期110-115,124,共7页

居民消费价格指数(Consumer Price Index,CPI)是一种具有非线性、复杂性和滞后性的时间序列数据,利用传统的时间序列方法和浅层神经网络很难建立有效的CPI预测模型,针对现有的时间序列预测方法不能解决非线性、复杂性和滞后性的时间序... 居民消费价格指数(Consumer Price Index,CPI)是一种具有非线性、复杂性和滞后性的时间序列数据,利用传统的时间序列方法和浅层神经网络很难建立有效的CPI预测模型,针对现有的时间序列预测方法不能解决非线性、复杂性和滞后性的时间序列数据预测问题。本文提出了一种基于改进的深度置信网络模型(GBDBN-ESN)CPI预测方法。该方法是利用高斯伯努利波尔兹曼机来处理输入特征向量,通过改进传统的梯度计算方法,建立一个梯度修正模型来提高网络的预测精度,并在网络的顶层连接一个回声状态网络作为回归层以实现对CPI的预测。实验结果表明,网络的预测精度得到了较好的改善。 展开更多

关键词 CPI预测 深度置信网络 梯度修正 回声状态网络

下载PDF 职称材料

多函数激活的拉普拉斯深度回声状态网络

11

作者 廖永波 李红梅 《计算机应用研究》 CSCD 北大核心 2020年第9期2591-2594,2624,共5页

结合可变激活函数、降维算法和深度回声状态网络,针对新的神经网络模型进行了研究。其中可变激活函数是多函数的线性组合,可以通过调整系数来改变激活函数的非饱和区;拉普拉斯特征映射降维算法通过降低储层状态矩阵的维度来改善原网络... 结合可变激活函数、降维算法和深度回声状态网络,针对新的神经网络模型进行了研究。其中可变激活函数是多函数的线性组合,可以通过调整系数来改变激活函数的非饱和区;拉普拉斯特征映射降维算法通过降低储层状态矩阵的维度来改善原网络面临的病态、不适定问题;还使用了遗传算法来寻找最佳目标子空间维度。仿真分析从扰动影响、转换稳定性、时序预测和记忆容量四个方面进行,从仿真结果(新模型的记忆容量是深度回声状态网络的两倍,均方根误差比回声状态网络小42%)来看,新模型的记忆容量、预测精度都得到了显著改善。 展开更多

关键词 深度回声状态网络 激活函数 拉普拉斯特征映射 遗传算法

下载PDF 职称材料

基于VMD-DESN-MSGP模型的超短期光伏功率预测 被引量：47

12

作者 王粟 江鑫 +1 位作者 曾亮 常雨芳 《电网技术》 EI CSCD 北大核心 2020年第3期917-926,共10页

光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯... 光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯混合过程专家模型(mixtureof sparse gaussian process experts model,MSGP)的超短期光伏功率预测方法。首先采用VMD将光伏功率时间序列分解为不同的模态,降低数据的非平稳性;为提高模型在超短尺度时序的预测能力,对各模态分别建立DESN预测模型,将各模态预测结果进行求和重构;为进一步提高模型预测精度,对误差的特性进行分析,采用MSGP对预测误差进行补偿;最后将误差的预测值与原功率的预测值相叠加作为最终预测结果。仿真结果表明,该方法在光伏功率时序预测中的效果比传统预测模型更好,有效提高了超短期光伏功率时间序列预测的准确性。 展开更多

关键词 光伏功率预测 时间序列 变分模态分解 深度回声状态网络 稀疏高斯混合过程专家模型

下载PDF 职称材料

基于深度置信回声状态网络的网络流量预测模型 被引量：14

13

作者 李莹琦 黄越 孙晓川 《南京邮电大学学报（自然科学版）》 北大核心 2018年第5期85-90,共6页

文中将深度置信回声状态网络应用于网络流量预测。结构上,深度置信网络通过无监督的方式进行特征学习,有效地提取网络流量数据特征。然后,利用回声状态网络学习机制代替传统的反向传播方法进行局部权值调整,实现有监督的储备池学习。针... 文中将深度置信回声状态网络应用于网络流量预测。结构上,深度置信网络通过无监督的方式进行特征学习,有效地提取网络流量数据特征。然后,利用回声状态网络学习机制代替传统的反向传播方法进行局部权值调整,实现有监督的储备池学习。针对实际的网络流量数据集,仿真结果表明该模型在非线性逼近能力方面明显优于浅层的神经网络结构,同时能够有效地保持网络流量的自相似特性。 展开更多

关键词 深度置信回声状态网络 特征学习 自相似性 网络流量预测

下载PDF 职称材料

基于深度学习的声纹识别方法研究 被引量：9

14

作者 李晓坤 郑永亮 +5 位作者 袁烺 陈虹旭 邵娜 杨磊 曹晓琪 姜诗萌 《黑龙江大学工程学报》 2018年第1期64-70,共7页

提出基于深度学习以及改进的深度学习模型的声纹识别方法,通过改变GMM-UBM的阶数进行声纹识别实验,寻找到性价比最高的M值,并分别通过卷积神经网络(CNN)及递归神经网络(ESN)中的回声状态网络进行声纹识别的实验和测试。实验结果表明CNN... 提出基于深度学习以及改进的深度学习模型的声纹识别方法,通过改变GMM-UBM的阶数进行声纹识别实验,寻找到性价比最高的M值,并分别通过卷积神经网络(CNN)及递归神经网络(ESN)中的回声状态网络进行声纹识别的实验和测试。实验结果表明CNN及ESN能够进行有效的声纹识别,并且具有较高的识别准确率,其中基于ESN的声纹识别经验证能够满足当先声纹识别领域的需求,如果能够解决CNN参数设置难度,CNN则能够广泛投入使用。 展开更多

关键词 深度学习 声纹识别 回声状态网络 卷积神经网络

下载PDF 职称材料

基于EMD-DESN的无人机集群航迹目的地预测

15

作者 薛锡瑞 黄树彩 +1 位作者 韦道知 吴建峰 《系统工程与电子技术》 EI CSCD 北大核心 2024年第1期290-299,共10页

无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测。为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,D... 无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测。为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,DESN)的UAV集群航迹目的地预测算法。为使集群运动模型更真实地模拟UAV集群作战过程,本文引入航向误差时变方差,改进了Olfati-Saber集群运动模型的虚拟领导项。为处理因群内的协同作用和集群航向误差导致的运动非平稳性,引入了EMD,对UAV航迹序列进行重构。考虑到获知航迹的时序性,设计了滑窗结构,采用DESN对重构航迹的不同时段进行目的地预测。仿真实验结果表明,本文提出的EMD-DESN算法较基本DESN算法能以更高的准确度预测UAV集群航迹目的地,并能更早地实现稳定的正确预测。 展开更多

关键词 无人机集群 目的地预测 深度回声状态网络 经验模态分解 改进Olfati-Saber模型

下载PDF 职称材料

基于SAS-DBEN的海洋环境多因素预测方法 被引量：1

16

作者 王嘉琳 金宇悦 李志刚 《电脑知识与技术》 2021年第22期1-2,19,共3页

激励函数对深度神经网络的非线性逼近性能具有重要影响,其选择与任务相关。针对这一问题,提出基于自适应选择算法的深度置信回声状态网络模型,并应用于海洋环境多因素时间序列预测。该模型集成了14种激励函数,通过预测性能比较实现自适... 激励函数对深度神经网络的非线性逼近性能具有重要影响,其选择与任务相关。针对这一问题,提出基于自适应选择算法的深度置信回声状态网络模型,并应用于海洋环境多因素时间序列预测。该模型集成了14种激励函数,通过预测性能比较实现自适应选择功能。仿真结果表明,该模型能够正确选择出最优激励函数,具有良好的海洋数据多因素预测能力。 展开更多

关键词 海洋环境数据 时间序列预测 深度置信回声状态网络 自适应选择算法 激励函数

下载PDF 职称材料