【摘 要】
：
燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(ConvLSTM)结合的燃气负荷预测模型.首先,选取皮尔逊相关系数对燃气负荷数据进行分析,筛选与燃气负荷相关性强的变量作为模型的输入.其次,采用ARIMA模型去除数据的趋势性使其平稳化,利用ConvLSTM模型提取数据中的时空特征,
【机 构】
：
北京建筑大学电气与信息工程学院,北京100044
论文部分内容阅读
燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(ConvLSTM)结合的燃气负荷预测模型.首先,选取皮尔逊相关系数对燃气负荷数据进行分析,筛选与燃气负荷相关性强的变量作为模型的输入.其次,采用ARIMA模型去除数据的趋势性使其平稳化,利用ConvLSTM模型提取数据中的时空特征,并对ARIMA—ConvLSTM模型的参数进行寻优.最后,通过燃气负荷数据对模型进行训练和验证.实验结果表明,ARIMA—ConvLSTM模型的预测准确率为98.65％,在均方根误差、平均绝对误差、绝对误差百分比方面均优于ARIMA模型、ConvLSTM模型和CNN—LSTM并行组合模型.
其他文献
利用炉前热分析技术研究了 Sb含量及保温时间对ZL115铝合金变质效果的影响.结果表明,加入0.1％～0.3％的Sb能降低合金的共晶生长温度,与变质前差值在3.6～8.3℃之间并与变质效果有良好的对应关系.当Sb加入量为0.3％时变质效果最好,力学性能最佳,铸态抗拉强度及伸长率都有提高,分别达到208 MPa和5.65％.延长熔体的保温时间能使共晶Si在长度上缩短,但保温时间过长,熔体中会生成更多的Mg3Sb2化合物,使合金力学性能降低,最佳保温时间为60～90 min.Sb含量超过0.3％时发生过变质,
针对变速箱侧盖深高压油道孔压铸成形过程长抽芯针变形和偏摆问题,研究了压铸工艺、模具结构和抽芯针的材料对其变形和偏摆的影响.结果表明,浇注方案和关键工艺参数选择对减少长抽芯针变形和偏摆非常重要.长抽芯针定位稳定性、针与针套分段式配合结构、高压冷却结构均可降低长抽芯针变形和偏摆的可能性.高强度材料的长抽芯针可降低长抽芯针变形和偏摆的可能性.
对0.7 mm厚度的SAE1004钢板和1.0 mm厚度的AA6111-T4铝板进行了无钉铆接,采用底部厚度和电阻增量检测法对其接头质量进行了检测.结果表明,接头质量的底部厚度检测法可反映材料变形程度,但对铝板预应变引起的负面影响不敏感.接头的电阻也能够反映材料的变形程度,但接头电阻增量与连接强度之间具有更明确的对应关系.当连接强度因为材料变形阻力的增加而减小时,电阻增量也会因为材料初始电阻的上升而下降.因此,接头的电阻增量法是无钉铆接接头质量检测中更适当的参考量.
碳化硅(SiC)半导体具有宽禁带、高临界击穿电场、高热导率等优异的性能,在高温、高频和大功率器件领域具有广阔的应用前景.SiC肖特基二极管是最早商用化的SiC器件,然而,由于决定金属接触性能的肖特基势垒无法得到有效控制,高性能的SiC欧姆接触和肖特基接触制备仍然是SiC肖特基二极管研制中的关键技术难题.基于此,首先对金属/半导体肖特基接触势垒理论和载流子运输机制做了系统分析,根据金属/SiC接触实验中呈现的非理想电学特性,引出SiC肖特基二极管势垒不均匀分布问题;然后对分析势垒不均匀分布的平行传导模型、高
基于二维卷积神经网络(2DCNN)和三维卷积神经网络(3DCNN)的人体动作识别方法都存在运算量较大的问题,提出了关节点时空信息融合降维的人体动作识别方法(Joint-trajectory).首先,采用高分辨率网络(Higher-HRnet)提取视频每帧图像中人体各个关节点的空间坐标信息,构建单帧图像中人体关节点空间信息行向量;其次,在时间维度上对整段视频的所有关节点空间信息行向量进行纵向拼接,获得该视频的关节点时空信息融合矩阵;最后,使用残差网络对关节点时空信息融合矩阵进行学习和分类.在KTH数据集上的
文章针对海洋捕食者算法(Marine Predators Algorithm,MPA)求解精度不高和收敛速度慢等缺点,提出一种多子群改进的海洋捕食者算法(Multi-subpopulation Marine Predators Algorithm,MSMPA).根据不同适应度值将海洋捕食者种群分为领导者、追随者和衔尾者三个子群.领导者子群保持位置不变,追随者子群进行高斯变异,衔尾者子群由全局最优位置和平均位置矢量生成.使用不同维度的经典基准函数来评估改进海洋捕食者算法的效率.实验结果显示,经过改进的海洋捕
针对现有微博谣言检测算法在实用场景中存在滞后性,以及传统深度学习模型特征提取能力不足等问题,提出了基于RoBERTa-BiSRU++-AT的微博谣言早期检测模型,仅使用微博原始文本作为模型输入,不包含任何转发和评论信息或者其他相关特征信息.采用RoBERTa预训练模型学习当前词在特定上下文语境中的动态含义,解决静态词向量无法表示多义词的问题,提升词的语义表征能力;通过双向内置注意力简单循环单元(Simple Re-current Unit with Built-in Self-Attenttion)进行深
由于非结构化的低密度奇偶校验码(LDPC)具有更优异的纠错性能而受到广泛关注,但其非零元素分布较不规律且没有循环或准循环的子矩阵的构造方式,增加了译码器实现的设计难度.本文提出了基于CUDA的译码器设计,用于支持任意非结构化LDPC码的高吞吐量并行译码.利用校验矩阵压缩重排、优化信息存储等手段,设计实现GPU上高效的并行译码内核进行多帧译码.在GTX1660Ti GPU平台上的结果表明,基于TPMP流程的LLR—BP和NMSA译码内核设计吞吐量可分别达到78.88～360.25 Mbps和174.38～1
传统的谣言识别方法耗费人力物力并且准确率较低.为了有效识别社交网络中的谣言,提出一种基于融合模型的谣言识别方法.该方法首先通过BERT预训练模型构建文本句向量;其次构建TextCNN模型挖掘文本的语义特征,构建TextRNN模型用于挖掘文本的时序特征;最后,对两种模型进行加权融合,实现对谣言的识别.此外,还对原始主流模型进行了改进,一是借鉴Inception模型的思想来增加TextCNN模型的深度,二是将注意力机制注入TextRNN模型中,增加其可解释性和泛化能力.实验结果表明,相较于当前主流的谣言识别方
在保持与标准以太网兼容的基础上,基于以太网协议的时间敏感网络(TSN)通过建立网络时间同步、流量调度等手段,使得网络同时具备传输实时信号的能力.流量整形作为TSN关键技术,在解决时间敏感流传输的实时性和确定性问题方面至关重要.TSN目前主要的流量整形措施有4种,包括基于信用的整形技术(CBS)、时间感知整形调度技术(TAS)、周期性排队与转发调度技术(CQF)和帧抢占技术.本文对这4种流量调度机制的工作原理、运行机制进行了全面的介绍,通过分析各算法的特点,梳理不同应用场景下流量调度的优选策略.