按时序特征优化模型后在线选配的超短期风电预测 被引量：25

1

作者 郁琛 薛禹胜 +3 位作者 文福拴 董朝阳 K.P.WONG Kang LI 《电力系统自动化》 EI CSCD 北大核心 2015年第8期5-11,共7页

讨论超短期风电功率预测(USTWPP)模型的适用性。提出的USTWPP方法,从历史数据的风电功率时间序列(WPTS)中筛选特征量,选择门限值,并将短窗口内的WPTS划分为不同形态的子集,以及一个囊括所有不具有排他性分类特征的"非形态子集"... 讨论超短期风电功率预测(USTWPP)模型的适用性。提出的USTWPP方法,从历史数据的风电功率时间序列(WPTS)中筛选特征量,选择门限值,并将短窗口内的WPTS划分为不同形态的子集,以及一个囊括所有不具有排他性分类特征的"非形态子集"。然后在离线环境下,分别按对应的训练样本优化各子集专用的预测模型及参数。在线应用时,将当前时刻前一个短窗口的WPTS与各子集的分类判据比对,以归入上述子集之一,然后调用相应的预测模型完成USTWPP。最后,以实际算例验证了该方法的有效性。 展开更多

关键词 风电预测 时间序列特征 序列趋势分类 离线优化 在线匹配

下载PDF 职称材料

基于自注意力生成对抗网络的电力设备在线监测缺失数据填补 被引量：4

2

作者 周远翔 林孟龙 +2 位作者 陈健宁 白正 陈明 《高电压技术》 EI CAS CSCD 北大核心 2023年第5期1795-1809,共15页

电力设备的在线监测系统常出现不同程度的数据缺失,而传统的缺失数据填补模型精度较低。因此提出一种基于自注意力生成对抗网络(self-attention generative adversarial networks,SA-GAN)的电力设备在线监测缺失数据填补模型。首先搭建... 电力设备的在线监测系统常出现不同程度的数据缺失,而传统的缺失数据填补模型精度较低。因此提出一种基于自注意力生成对抗网络(self-attention generative adversarial networks,SA-GAN)的电力设备在线监测缺失数据填补模型。首先搭建基于自注意力机制的时间序列填补模型,并对权重融合模块进行改进,然后将时间序列填补模型作为生成器,构造对应的判别器与损失函数,提出了具有自注意力机制的生成对抗网络SA-GAN,对电力设备在线监测数据进行缺失填补。最后通过实际工程中的电力变压器、高压电缆在线监测数据对模型进行训练与测试,验证了模型的有效性。结果表明,通过局部遮掩对110 kV变压器在线监测数据进行自然缺失模拟并通过各类缺失填补模型进行补全时,SA-GAN模型的平均绝对误差(mean absolute error,MAE)最高为0.11,均方根误差(root mean square error,RMSE)最高为0.17,较其他模型分别至少降低19.10%、14.07%,验证了SA-GAN模型的有效性;对9.51%自然缺失率下的220 kV高压电缆在线监测数据进行填补时,SA-GAN模型的MAE为0.58,RMSE为0.84,较其他模型分别至少降低21.71%、14.43%,表明该模型可在电力设备状态异常且部分监测数据缺失的条件下有效恢复缺失数据。此外,经SA-GAN模型填补之后的数据有效提高了高压电缆序列的预测精度,间接验证了SA-GAN模型缺失数据填补的有效性。 展开更多

关键词 自注意力 生成对抗网络 在线监测 缺失数据填补 时序特征

下载PDF 职称材料

基于双输入序列到序列模型的井眼轨迹实时智能预测方法 被引量：2

3

作者 李臻 宋先知 +4 位作者 李根生 张洪宁 祝兆鹏 王正 刘慕臣 《石油钻采工艺》 CAS 北大核心 2023年第4期393-403,共11页

准确预测井眼轨迹是井眼轨迹控制的基础,对提高钻井效率极为重要,但影响井眼轨迹变化的因素众多,且井下力学行为复杂,使井眼轨迹难以准确预测,为此,提出了一种双输入序列到序列模型(Di-S2S)。该模型考虑了钻压、钻速等时序特征以及钻进... 准确预测井眼轨迹是井眼轨迹控制的基础,对提高钻井效率极为重要,但影响井眼轨迹变化的因素众多,且井下力学行为复杂,使井眼轨迹难以准确预测,为此,提出了一种双输入序列到序列模型(Di-S2S)。该模型考虑了钻压、钻速等时序特征以及钻进方式、地层分层、钻具组合等非时序特征,应用自然语言处理方法对非时序特征进行了数值化和降维表征,基于增量训练建立了模型动态更新机制。使用12口井数据进行了模型训练与验证,并与LSTM和BP模型进行了对比,结果显示,井斜角平均绝对误差分别较LSTM和BP模型降低49%和8%,方位角平均绝对误差分别较LSTM和BP模型降低了49%和24%。动态更新模型的井斜角和方位角平均绝对误差较离线模型分别降低了61%和67%,均低于0.2°,表明该模型精度较高,具备实时预测能力,可为导向钻井提供一定技术支撑。 展开更多

关键词 人工智能 井眼轨迹 实时预测 序列到序列模型 时序特征 非时序特征

下载PDF 职称材料

基于S-CBiGRU的风电机组滚动轴承故障诊断方法 被引量：2

4

作者 史宗辉 陈长征 +2 位作者 田淼 安文杰 孙鲜明 《机电工程》 CAS 北大核心 2023年第2期232-238,共7页

风电机组滚动轴承的振动信号存在非线性、非平稳的特性,且其特征不易被提取,针对这一问题,提出了一种基于S变换、卷积神经网络、双向门控循环单元的滚动轴承故障诊断方法(即基于S-CBiGRU的诊断方法)。首先,利用S变换对风场采集的振动信... 风电机组滚动轴承的振动信号存在非线性、非平稳的特性,且其特征不易被提取,针对这一问题,提出了一种基于S变换、卷积神经网络、双向门控循环单元的滚动轴承故障诊断方法(即基于S-CBiGRU的诊断方法)。首先,利用S变换对风场采集的振动信号进行了多分辨率时频分析,将一维振动信号转化为包含时间与空间特征信息的二维时频图像;然后,将经S变化所得到的时频图输入到CBiGRU网络模型中,采用CNN卷积池化层提取了振动信号的空间特征;其次,采用BiGRU结构提取了振动信号中的时间序列特征;最后,为了对上述诊断方法的有效性进行验证,采集了风电机组轴承实验数据,并将其输入到该模型中进行诊断实验。实验结果表明:在风电机组轴承故障诊断中,采用S-CBiGRU方法准确率达到93.17%,分类效果优于其他深度学习算法。研究结果表明:S-CBiGRU故障诊断方法具有可行性,可以为风电机组滚动轴承的故障诊断提供一种新途径。 展开更多

关键词 时频分析 空间特征 时间序列特征 S变换 卷积神经网络 双向门控循环单元

下载PDF 职称材料

基于词嵌入与Shapelet时序特征的智能合约漏洞检测方法研究 被引量：2

5

作者 白英民 师智斌 +3 位作者 信文阁 窦建民 张舒娟 王子建 《中北大学学报（自然科学版）》 CAS 2023年第4期381-387,共7页

随着区块链智能合约的广泛应用,出现了大量针对智能合约的漏洞攻击,智能合约的安全性成为国内外研究的新关注点。针对智能合约机器学习漏洞检测方法特征选取自动化程度低、误报率高,而深度学习语义建模不足,提取的抽象特征缺乏可解释性... 随着区块链智能合约的广泛应用,出现了大量针对智能合约的漏洞攻击,智能合约的安全性成为国内外研究的新关注点。针对智能合约机器学习漏洞检测方法特征选取自动化程度低、误报率高,而深度学习语义建模不足,提取的抽象特征缺乏可解释性等问题,提出了一种基于词嵌入和Shapelet时序特征的智能合约漏洞检测方法。首先,获取智能合约操作码,并采用词嵌入技术将其编码,获得操作码的语义向量特征表示;其次,将编码后得到的操作码序列,应用时序分析方法Shapelet-Transform获取智能合约操作码的Shapelet时序特征;最后,结合机器学习分类技术构建了漏洞检测模型。实验表明:二分类模型的准确度为82.15%,比FastText方法高19.40%,比TextCNN方法高5.92%;多分类模型的准确度为84.95%,比FastText方法高12.04%,比TextCNN方法高8.18%。该模型可以实现智能合约特征码时序特征的自主学习,在具备较高精确度的前提下,同时提供了可解释性漏洞检测依据。 展开更多

关键词 智能合约 漏洞检测 操作码 词嵌入 时序特征

下载PDF 职称材料

基于VMD-GA-BiLSTM的月降水量预测方法

6

作者 于霞 宋杰 +2 位作者 段勇 彭曦霆 李冰洁 《沈阳大学学报（自然科学版）》 CAS 2024年第4期297-305,共9页

利用辽宁省气象局提供的地面观测降水资料,构建了具有多元时间特征的降水数据,采用变分模态分解方法(variational mode decomposition,VMD)组合遗传算法(genetic algorithm,GA)对双向长短时记忆神经网络(bidirectional long short-term ... 利用辽宁省气象局提供的地面观测降水资料,构建了具有多元时间特征的降水数据,采用变分模态分解方法(variational mode decomposition,VMD)组合遗传算法(genetic algorithm,GA)对双向长短时记忆神经网络(bidirectional long short-term memory,BiLSTM)进行优化,建立基于VMD-GA-BiLSTM的月降水量预测模型,并与BiLSTM、VMD-BiLSTM和GA-BiLSTM进行实验对比,应用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和R 2决定系数作为模型评价指标。实验结果表明:VMD-GA-BiLSTM模型的R 2决定系数达到0.98,RMSE和MAE表现更低,验证了VMD-GA-BiLSTM模型在时间序列预测方面的优势。 展开更多

关键词 BiLSTM VMD 遗传算法 月降水量 时序特征

下载PDF 职称材料

基于深度学习的视听多模态情感识别研究 被引量：1

7

作者 李倩倩 王卫星 +2 位作者 杨勤 陈治灸 秦晴 《计算机与数字工程》 2023年第3期695-699,共5页

情感在同一情境下通常是逐渐变化的,而目前视听情感识别研究大部分集中在融合静态人脸图像特征和语音特征上,忽略了视频图像序列之间的时序关系,也忽略了姿态的作用。因此论文结合卷积神经网络(VGG)和长短期记忆网络(LSTM)构建了一个基... 情感在同一情境下通常是逐渐变化的,而目前视听情感识别研究大部分集中在融合静态人脸图像特征和语音特征上,忽略了视频图像序列之间的时序关系,也忽略了姿态的作用。因此论文结合卷积神经网络(VGG)和长短期记忆网络(LSTM)构建了一个基于深度神经网络的视听多模态情感识别模型,整合了表情、姿态和语音的特征来进行视听情感识别。首先,使用VGG提取人脸图像和姿态图像的视觉特征,然后使用LSTM提取人脸图像序列和姿态图像序列的时序特征,同时使用opensmile提取音频特征,最后将提取的人脸、姿态和音频特征用DNN网络进行多特征的拼接融合以及情感分类。实验证明,与融合静态人脸图像特征与语音特征进行视听情感识别的方法相比,论文模型取得了更好的识别率,而加上姿态特征后,准确率又提升了6.1%。 展开更多

关键词 深度学习 情感识别 视觉特征 时序特征 特征融合

下载PDF 职称材料

协同多时相波谱特征的不透水面信息级联提取 被引量：3

8

作者 帅艳民 马现伟 +8 位作者 曲歌 邵聪颖 刘涛 刘守民 黄华兵 谷玲霄 拉提帕•吐尔汗江 梁继 李玲 《地球信息科学学报》 CSCD 北大核心 2021年第1期171-186,共16页

不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多... 不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数(Normalized Difference Vegetation Index, NDVI)、改进的归一化水体指数(Modified Normalized Difference Water Index, MNDWI)和归一化建筑指数(Normalized Difference Building Index, NDBI)年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明:单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高(精度可达93.66%,Kappa系数为0.81)。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。 展开更多

关键词 时序信息 不透水面 先验知识 级联提取 精度差异 Landsat OLI 波谱特征 遥感指数

原文传递

基于时序特征的图卷积协同过滤推荐算法 被引量：2

9

作者 陈一凡 朱民耀 +2 位作者 朱晓强 宋海洋 陆小锋 《电子测量技术》 北大核心 2022年第6期79-85,共7页

基于图卷积神经网络的协同过滤推荐算法框架是目前最先进的推荐算法框架,该框架在用户-项目交互嵌入向量的特征学习中并未关注交互发生的时序性,但实际情况中,用户-项目交互普遍具有明显的时序特征,且是影响推荐性能的重要因素。因此,... 基于图卷积神经网络的协同过滤推荐算法框架是目前最先进的推荐算法框架,该框架在用户-项目交互嵌入向量的特征学习中并未关注交互发生的时序性,但实际情况中,用户-项目交互普遍具有明显的时序特征,且是影响推荐性能的重要因素。因此,本文提出一种基于时序特征的图卷积协同过滤推荐算法,重做多个数据集,保留数据集时序特征等原始信息,总结归纳数据集中用户-项目交互的历史时序信息,并对其进行参数化处理,作为重要特征输入到图卷积网络模型训练的高阶协同信号传递中。在3个公开的官方数据集Gowalla, Yelp和Amazon-book上设置多组消融性实验,采用公认的评价指标ndcg和recall对推荐算法性能进行评价,实验结果证明,在同样参数设置下,基于时序特征的图卷积协同过滤推荐算法性能超越了现有同类型图卷积协同过滤推荐算法,验证了时序特征对提升推荐效果的积极作用,提高了模型训练效率和预测命中率,更加高效地解决网络信息过载问题,满足了更高的应用需求。 展开更多

关键词 推荐算法 图卷积神经网络 协同过滤 时序特征

下载PDF 职称材料

端对端长短时序特征的轴承故障诊断 被引量：2

10

作者 黎红志 唐向红 +2 位作者 陆见光 杨青 何强 《组合机床与自动化加工技术》 北大核心 2022年第10期64-68,共5页

滚动轴承振动信号具有时序性,针对如何有效提取轴承振动信号长短时序特征并实现端对端故障诊断的问题,提出一种端对端长短时序特征的轴承故障诊断方法LSS。该方法将原始振动信号直接输入模型,利用一维卷积神经网络层提取原始振动信号的... 滚动轴承振动信号具有时序性,针对如何有效提取轴承振动信号长短时序特征并实现端对端故障诊断的问题,提出一种端对端长短时序特征的轴承故障诊断方法LSS。该方法将原始振动信号直接输入模型,利用一维卷积神经网络层提取原始振动信号的短时序特征并降维,并通过门控循环单元层对降维数据进行长时序特征提取,最后将不同层提取的长短时序特征融合实现端对端滚动轴承故障诊断。通过在凯斯西储大学及CUT-2的数据上进行实验,准确率分别为99.60%和99.92%,验证了该方法在诊断精度上的有效性和泛化性。 展开更多

关键词 端对端 时序特征 门控循环单元 卷积神经网络 故障诊断

下载PDF 职称材料

基于时序特征的网络流量分类方法 被引量：2

11

作者 赵力强 师智斌 +1 位作者 石琼 雷海卫 《中北大学学报（自然科学版）》 CAS 2022年第3期221-228,共8页

网络流量数据具有明显的时序特征.针对基于机器学习的网络流量分类方法中,传统机器学习依赖人工设计特征以及深度学习无法兼顾特征自主生成与特征可解释性等问题,采用时序分析方法,提出了一种基于时序特征的网络流量分类方法.首先,将网... 网络流量数据具有明显的时序特征.针对基于机器学习的网络流量分类方法中,传统机器学习依赖人工设计特征以及深度学习无法兼顾特征自主生成与特征可解释性等问题,采用时序分析方法,提出了一种基于时序特征的网络流量分类方法.首先,将网络流量数据预处理为时序数据;然后,应用Shapelet-Transform算法来自主学习网络流量的时序特征,并改写Shapelet-Transform算法的计算逻辑,且将其部署在GPU上,使其可以快速处理大规模网络流量数据集;最后,结合支持向量机分类算法构造了最优分类模型来实现网络流量分类.公开数据集实验测试结果表明,所提方法可以实现网络流量时序特征的自主学习,并达到与深度学习接近的分类精度,同时给出深度学习方法无法提供的可解释性分类依据. 展开更多

关键词 网络流量分类 时序特征 Shapelet-Transform 可解释性 GPU

下载PDF 职称材料

湖南省碳排放总量测算及土地承载碳排放效应分析 被引量：3

12

作者 余光英 员开奇 《资源开发与市场》 CAS CSSCI 2015年第1期52-56,99,共6页

碳排放引起的温室效应给全球环境带来了巨大威胁,测算碳排放总量并分析相关效应是实现碳减排的重要工作。分析了湖南省历年碳排放结构和总量变化特征,根据土地承载与碳排放的对应关系研究不同土地利用类型的碳排放强度与结构特征。结果... 碳排放引起的温室效应给全球环境带来了巨大威胁,测算碳排放总量并分析相关效应是实现碳减排的重要工作。分析了湖南省历年碳排放结构和总量变化特征,根据土地承载与碳排放的对应关系研究不同土地利用类型的碳排放强度与结构特征。结果显示,湖南省碳排放持续增加且增速不断加快,城镇居民点及工矿用地是承载碳排放最多的用地类型。因此,湖南省应着重从产业结构优化、推广新能源、创新农业科技等方面减少碳排放,推动绿色增长。 展开更多

关键词 湖南省 碳排放测算 时序特征 土地承载

下载PDF 职称材料

微博谣言事件自动检测研究 被引量：10

13

作者 王志宏 过弋 《中文信息学报》 CSCD 北大核心 2019年第6期132-140,共9页

互联网大数据环境下,谣言事件的散播已成为以微博为代表的在线社交网络持续健康稳定发展的主要障碍之一,因此及时有效地进行谣言事件自动检测对营造清朗的网络环境和维护社会和谐发展有着现实意义。该文以微博事件为背景,综合谣言事件... 互联网大数据环境下,谣言事件的散播已成为以微博为代表的在线社交网络持续健康稳定发展的主要障碍之一,因此及时有效地进行谣言事件自动检测对营造清朗的网络环境和维护社会和谐发展有着现实意义。该文以微博事件为背景,综合谣言事件特征随时间变化特性以及时间维度上谣言事件的分布特点,引入论域划分思想,基于模糊聚类算法提出了随时间动态变化的事件时序特征构建模型;同时,基于社会学中谣言的传播原理,提出将事件流行度、模糊度和流传度作为微博谣言事件检测分类器的三项新特征。实验结果表明,该文提出的动态时序特征表示方法和三项新特征使谣言事件自动检测效果得到了可观提升。 展开更多

关键词 谣言事件检测 动态时序特征 SVM 在线社交网络

下载PDF 职称材料

嵌入典型时间序列特征的随机Shapelet森林算法

14

作者 高振卓 王志海 刘海洋 《计算机科学》 CSCD 北大核心 2022年第7期40-49,共10页

近年来,时间序列分类问题的研究受到了广泛关注。先进的时间序列分类方法通常建立在良好的特征表示的基础之上。Shapelet是时间序列中具备鉴别性的子序列,可有效表达时间序列的局部形状特征。然而,高昂的计算成本大大限制了基于Shapele... 近年来,时间序列分类问题的研究受到了广泛关注。先进的时间序列分类方法通常建立在良好的特征表示的基础之上。Shapelet是时间序列中具备鉴别性的子序列,可有效表达时间序列的局部形状特征。然而,高昂的计算成本大大限制了基于Shapelet的时间序列分类方法的实用性。除此之外,传统的Shapelet仅能描述欧氏距离度量下子序列的形状特征,因此极易受到噪声干扰并难以挖掘子序列中蕴含的其他类型的鉴别性信息。为应对上述问题,提出了一种新的时间序列分类算法——嵌入典型时间序列特征的随机Shapelet森林。该算法基于以下3个关键策略:1)随机选取Shapelet并限制Shapelet的作用范围以提高效率;2)在Shapelet中嵌入多个典型时间序列特征以提高算法对不同分类问题的适应性,并弥补随机选取Shapelet带来的精度损失;3)在新的特征表示的基础上构建随机森林分类器以确保算法的泛化能力。112个UCR时间序列数据集上的实验结果表明,本文算法的准确性超越了基于Shapelet精确搜索和Shapelet转换技术的STC算法,以及多个其他类型的先进时间序列分类算法。此外,广泛的实验对比验证了本文算法在效率上的显著优势。 展开更多

关键词 时间序列 分类 Shapelet 典型时间序列特征 随机森林

下载PDF 职称材料