一种基于序列到序列模型的制冷系统负荷预测方法.pdf
一只****呀盟
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于序列到序列模型的制冷系统负荷预测方法.pdf
本发明公开一种基于序列到序列模型的制冷系统负荷预测方法,将历史数据整理为带有时间戳属性的多维时间序列MTS,以此训练序列到序列的预测模型,然后以给定窗口的时序数据作为输入,利用训练好的预测模型预测出负荷走势,其中,预测模型包括编码器和解码器,编码器采用多层结构,稀疏自注意力模块和蒸馏模块构成的多层结构,其以时序数据嵌入编码形成的向量作为初始层结构的输入,然后前一层结构的输出作为后一层结构的输入,直至输出最终特征图,每层结构的输入均分为两路,第一路依次经过稀疏自注意力模块、蒸馏模块输出特征图Ⅰ,第二路经过下
基于时间序列分析模型的非稳定电力负荷预测方法和系统.pdf
本申请提供一种基于时间序列分析模型的非稳定电力负荷预测方法和系统,所述方法包括:用经验小波分解方法将非平稳的原始序列分解为一组平稳的子序列,分解后的所述子序列呈现出从低频到高频的特点,各频段的子序列具有相同的特征,且具有平稳性;将所述子序列的数据重构后按照从低频到高频的顺序依次送入Autoformer模型中进行预测;将各子序列的预测结果进行整合,得到原始序列的最终预测结果。进一步提高电力负荷预测的精准度,从而可以经济合理地安排电网内部发电机组的启停,保持电网运行的安全稳定性。本申请为EWT和Autofor
NLP中基于样本的序列到序列任务的影响函数解释方法.pdf
一种NLP中基于样本的序列到序列任务的影响函数解释方法,包括步骤:1)选取需要获取解释的序列到序列任务,并针对序列到序列任务选取待测的自然语言处理模型和数据集;2)将数据集内的语料进行编码,将编码后的每条数据划分不同区间得到的多条数据并作为新的样本;3)将步骤2)得到的新的样本送入待测模型进行训练,在损失趋于稳定时结束训练;在待测模型训练过程输出的所有检查点中,选取趋近于待测模型最终参数的检查点用于影响分数的计算;4)基于步骤3)选取的检查点中的待测模型参数,计算训练样本与测试样本的损失;5)利用步骤4)
基于改进的LSTM模型的电力负荷预测方法.pdf
本发明提供一种基于改进的LSTM模型的电力负荷预测方法,包括以下步骤:获取某一地区的电力负荷数据,并将得到的数据进行预处理和划分;将处理好的数据通过CEEMD进行分解,分解为多个IMF分量;将各个IMF分量应用LSTM进行预测,并利用混沌粒子群算法对LSTM网络的超参数寻找最优解;将各个分量的预测结果叠加重构得到最终预测值。本发明采用的CEEMD分解方法解决了EMD模态混叠问题和EEMD无法很好的恢复原信号问题,引入的混沌粒子群算法解决了传统粒子群算法早熟、易陷入局部最优问题,提高了模型预测的精确度。
基于全卷积网络的序列到序列的睡眠障碍检测方法.pdf
本发明公开了一种基于全卷积网络的序列到序列的睡眠障碍检测方法,该方法获取需要检测睡眠障碍的数据集,对数据集进行预处理,构建包括全卷积网络和长短时记忆网络的睡眠唤醒检测网络模型并进行模型训练,利用训练后的睡眠唤醒检测网络模型进行睡眠障碍检测。本发明通过对多模态生物信号进行统一预处理,减少了工作量,提升了处理效率,并且保留了数据的上下文信息,提升了检测准确率;本发明直接从多种原始生物信号中给出睡眠唤醒指数,实现了睡眠障碍检测的自动化,并且通过序列到序列的检测方式,保留了数据在时序上的关联性,取得了更好的检测结