排序方式: 共有58条查询结果,搜索用时 15 毫秒
1.
2.
针对传统的LSTM模型存在网络训练受阻、泛化能力减弱、预测精度和效率较低的问题,从模型结构和参数优选两方面进行改进。结构方面,在LSTM模型前加入具有多层结构的神经网络层;参数优选方面,采用多层网格搜索法选取模型参数。以长江中游典型通江湖泊——洞庭湖不同湖区的水位预测为例,与传统的LSTM模型、BP神经网络及水动力模型相比,改进型LSTM模型平均均方根误差分别减少58.80%、65.95%、44.14%;从预测计算时间来看,改进型LSTM模型所消耗的时间比传统的LSTM模型缩短62.12%,且明显少于水动力模型,总体来看改进型LSTM模型的整体性能优于其他三种模型。将改进型LSTM模型应用到三峡水库蓄水对洞庭湖水位的影响分析上,结果表明:三峡水库运行对洞庭湖不同湖区水位的影响具有明显的空间异质性,城陵矶站受其影响最为显著,其次为东洞庭湖鹿角站和西洞庭湖南咀站,南洞庭湖受影响最小。蓄水期间东洞庭湖城陵矶站水位平均下降0.44 m,最大降幅为1.55 m;鹿角站水位平均下降0.22 m,最大降幅为1.02 m;西洞庭湖南咀站水位平均下降0.27 m,最大降幅为1.28 m;南洞庭湖杨柳潭站... 相似文献
3.
为从大量水位影响因子中提取重要特征实现水位的高效、精准预测,提出改进的深度残差收缩网络与长短时记忆网络的混合模型用于多时间尺度水位预测。选取水位、流量、电站出力等数据拟合为高维特征输入的形式便于网络提取水位变化的动态特征。利用新的半软阈值函数消除深度残差收缩网络的恒定偏差并降低水文数据中的噪声干扰。根据预测误差,采用新构建的误差权重修正函数配合交叉熵函数对水位影响因子进行权重修正。阿基米德优化算法被用于调整长短时记忆网络的参数。将新模型应用于向家坝水电站下游水位的多时间尺度预测,结果表明,该方法的预测精度比现有CNN-LSTM、SVR等模型分别提高47%、61%,预测效率分别提高57%、20%,其短期、中期和长期的最大预测误差为0.09 m、0.14 m、0.31 m,证明模型在多时间尺度的水位预测中取得良好的精度和效率。此外,考虑支流流量后的预测误差最高可降低0.03m,证明模型对回水顶托等复杂水文的适应性,研究成果为洪水预测和城市雨洪预警提供新思路。 相似文献
4.
根据国际标准化组织(international organization for standardization,简称ISO)和美国齿轮制造者协会(American gear manufacturers association,简称AGMA)关于渐开线圆柱齿轮强度的计算方法,在计算单个齿轮齿根弯曲应力时,可将轮齿简化为一悬臂梁。基于此,提出了一种齿根弯曲应力在线检测的新方法,利用光纤布拉格光栅(fiber Bragg grating,简称FBG)的应变特性和齿轮传递扭矩时轮齿产生的挠度,将齿根弯曲应力的测量转化为光栅反射波长的测量,通过对反射波长的实时解调,能够实现对运行中齿轮的齿根弯曲应力进行实时在线检测。通过对一对渐开线圆柱尼龙斜齿轮进行分析,并在1~18N·m扭矩范围进行实验,结果表明该方法能够准确测量齿根的弯曲应力,灵敏度高达70pm/MPa,线性拟合度达0.99以上,且响应速度快。利用光纤光栅准确检测齿轮运行时的齿根弯曲应力,不但能够代入实际工况实现在线检测,同时对齿轮的设计和故障诊断具有指导意义。 相似文献
5.
基于我国726个气象站1961~2016年逐日风速和日照时数,利用气候学计算方法估算风能密度和太阳辐射量,采用标准差计算单类资源的量维波动,进而以风、光互补前后波动的变化率作为互补指标,分析我国范围内风能、光能年内日尺度波动互补特征表明:从空间上看,东北、华北、华东、西北中部和沿海区域的风光互补效果较好,四川盆地、云贵高原、横断山区互补效果较差;从时间上看,从1961~2016年风光互补效果整体呈下降趋势,位于沿海地区站点的互补效果呈显著下降趋势,位于内陆地区站点的互补效果具有上升趋势,可为风光能源互补开发利用提供参考。 相似文献
6.
齿轮表面损伤是影响齿轮传动的重要因素,提高齿轮表面损伤的识别效率和准确率极为重要。基于Pytorch架构建立齿轮表面损伤的ResNet识别模型,利用数据增强的方式扩大数据集,使用迁移学习方式优化模型训练,并对比了4种ResNet结构。结果表明,将64张原始图像数据增强后得到的由640张图像组成的数据集不足以满足模型训练对大量数据的需要;使用迁移学习能够提高模型训练速度和准确率,满足齿轮表面损伤的识别要求;ResNet-101模型在本框架中是最优结构。研究对齿轮表面损伤的检测具有重要的科学意义和工程价值。 相似文献
7.
8.
为了探究上游溪洛渡水库分层取水对下游向家坝库区水温的影响,基于历史水文数据,分析向家坝建库对河道水温的影响,结合率定好的CE-QUAL-W2模型,设置溪洛渡水库分层取水与不分层取水两种计算工况,分析2019年溪洛渡水库分层取水对下游向家坝库区水温变化过程的影响。结果表明,向家坝水库蓄水后使坝下河道水温达到18℃的时间滞后50 d,向家坝坝下河道水温受支流水温影响较大;2019年上游溪洛渡水库分层取水在4~5月最高可使下游向家坝库区表层水温升高1.0℃,其影响沿程逐渐减弱,至绥江县城完全消失;分层取水使下游向家坝库区4~5月水温结构明显改变,4~5月下泄水温明显提高,最大可提高0.48℃。研究结果可提高对叠梁门分层取水效果的认识,并为后续生态调度提供科学依据。 相似文献
9.
葛洲坝水电站调度难点主要在于下游水位变化的不确定性,下游水位极易受到清江来水的顶托影响.为探索清江来水的顶托作用对葛洲坝水电站调度策略的影响,利用实测水文数据统计分析清江来水对宜昌水文站的顶托影响量,并据此分析水电站的损失出力.结果 表明:清江来水对宜昌站的顶托作用随着清江来水的增大而增大、随着宜昌站流量的增大而减小,... 相似文献
10.
为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-ResNet深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, FFT)提取太阳辐照度的期望频率,将其作为聚类特征向量,并根据此聚类特征向量采用自适应仿射传播聚类(adaptive affinity propagation clustering, AdAP)实现相似日聚类。其次,对每一类相似日分别使用群分解算法进行分解,以提取原始数据的多尺度波动规律特征。最后,利用MBI-PBI-ResNet来实现对天气环境多变量关联影响下的时序特征挖掘以及对多尺度分量的局部波形空间特征和长时间依赖时序特征的同时挖掘,并对不同类型特征进行综合集成来实现光伏发电功率超短期预测。研究结果表明:所提方法在光伏发电功率超短期预测领域相较于其他深度学习方法预测精度提高了3%以上,说明此方法在光伏发电功率超短期预测领域具有较高的预测精度和较强的泛化能力。 相似文献