排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。 相似文献
2.
3.
超声检测时,由于测量者把握探头的不稳定、受试者的呼吸运动等造成的干扰,将对通过B超图像进行斑点跟踪提取到的动脉壁位移的精度造成影响.为此,本文提出基于B超序列相位图像的全局刚性特征进行配准消除干扰.相位特征通过对B超图像进行Riesz变换,再采用高斯差分法提取得到.为了更快地完成寻优,减少配准误差,采用了基于位置加权的主轴质心法与互信息相结合的分阶段的配准方法.结果表明,与直接对B超或相位图采用斑点跟踪的方法相比,该方法有效去除了干扰,管壁位移提取的精度有显著提高.本文方法还可用于心脑等医学图像的配准. 相似文献
4.
5.
提出基于总体经验模态分解(EEMD)血流细分法提高血流超声多普勒信号提取精度.首先估计辅助分析所需的白噪声幅度,进而用EEMD得到无模态混叠的本征模态函数(IMF)组,最后分离出血流信号的IMF.将本方法应用于计算机仿真和人体实测超声多普勒信号,并与高通滤波器法、原EMD法和EMD细分法比较.结果表明本文方法,提取的血流信号精度最高,特别对WBSR=70dB的混合信号,其精度比上述方法分别提高35%、38%及17%. 相似文献
6.
该文基于传播模型定量分析了超声传输时间法检测局部脉搏波速(PWV)过程中扫描帧频与声束数对脉动位移曲线估计、延迟时间估计及PWV拟合的估计精度,采用方差分析确定了误差显著性和影响因素的主次关系。结果表明,脉动位移相对误差在0.23~0.28之间,帧频对其估计精度影响不显著( p0.05);延迟时间估计同时受声束对距离和帧频的影响(p0.01 ),声束对间距从2.38 mm 增大到 38 mm , 平均相对误差由0.99减至0.06;帧频从1127 Hz 减小为226 Hz,平均相对误差由0.19 增至 0.43; PWV拟合受声束数及帧频的共同影响,声束数不小于10时,估计误差为7%~20%,帧频为主要影响因素(p0.01 )。因此,在保证合理声束数条件下,提高帧频可改善PWV的估计精度。结果有助于为后续PWV检测精度的改进研究提供依据。 相似文献
7.
研究了超声回波信号中二次谐波包络信号的Nakagami分布参数与非线性系数之间的对应关系,以获得更准确的组织非线性定量特征.将超声回波射频信号的基/谐波成分进行分离,获取基波和二次谐波成分的包络信号,分别计算并比较信号的Nakagami分布参数.仿真结果表明,对于不同的非线性系数,二次谐波包络信号的分布参数相互分离,特别是非线性系数β在3~6的范围内具有显著的差异,而对应的基波的差异性不显著.离体组织实验中,与脂肪相比,肝和脑的基波的平均功率ω和形状因子μ的相对差异分别为7.3%和0.03%及2.0%和4.3%;谐波的ω和μ的相对差异分别为8.3%和19.4%及7.0%和34.0%.结果进一步验证了仿真结果的有效性和正确性.综上所述,不同非线性组织超声回波信号中,二次谐波包络信号的Nakagami分布参数具有显著差异,可据此定量分析生物组织的非线性特征. 相似文献
8.
为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法首先使用分布式字向量对电力缺陷描述进行表示,然后使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,最后采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响。以云南电网公司2014-2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF1值和WF1值分别为0.927 5、0.911 2和0.927 5,验证了本方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助。 相似文献
9.
基于多元优化算法的三维装箱问题的研究 总被引:2,自引:0,他引:2
用多元优化算法(Multi-variant optimization algorithm,MOA)实现三维装箱问题的求解.算法通过随机放置和局部调整从而逐步逼近最优解.随机放置是将随机选择的几个箱子装入容器中;局部调整是根据目标函数值对随机放置容器的箱子序列作局部调整优化;通过递推的随机放置和局部调整优化,目标函数值逐步逼近最优值,从而获得一个较为理想的三维装箱方案.算法通过对BR1~BR10共1000组三维装箱问题测试实例的测试仿真,得到理想的装箱效果,说明用多元优化算法实现三维装箱问题的有效性和可行性. 相似文献
10.
针对噪声环境下求解多个极值点的问题, 本文提出了噪声环境下基于蒲丰距离的依概率多峰优化算法(Probabilistic multimodal optimization algorithm based on the Button distance, PMB). 算法依据蒲丰投针原理提出噪声下的蒲丰距离和极值分辨度概念, 理论推导证明了二者与算法峰值检测率符合依概率关系. 在全局范围内依据蒲丰距离划分搜索空间, 可以使PMB算法保持较好的搜索多样性. 在局部范围内利用改进的斐波那契法进行探索, 减少了算法陷入噪声引起的局部最优的概率. 基于34个测试函数, 从依概率特性验证、寻优结果影响因素分析、多极值点寻优和多维函数寻优四个角度进行实验. 证明了蒲丰距离与算法的峰值检测率符合所推导的依概率关系. 对比噪声环境下的改进蝙蝠算法和粒子群算法, PMB算法在噪声环境中可以依定概率更精确地定位多峰函数的更多极值点, 从而证明了PMB算法原理的正确性和噪声条件下全局寻优的依概率性能, 具有理论意义和实用价值. 相似文献