【摘 要】
:
时间序列数据广泛应用于气象、经济、工业等诸多领域,针对时间序列数据的预测对实际生产生活具有极大的指导意义。传统的时间序列预测方法对数据要求高,而且往往没有办法学习更长的历史值信息。本文运用人工智能研究领域中较为前沿的深度学习技术作为理论框架,对两类不同类型的多元时间序列数据经行处理预测,针对现有的一些处理时序数据的模型经行改进处理,具体工作如下:1)针对单变量多来源的多元时间序列,提出一种基于编解
论文部分内容阅读
时间序列数据广泛应用于气象、经济、工业等诸多领域,针对时间序列数据的预测对实际生产生活具有极大的指导意义。传统的时间序列预测方法对数据要求高,而且往往没有办法学习更长的历史值信息。本文运用人工智能研究领域中较为前沿的深度学习技术作为理论框架,对两类不同类型的多元时间序列数据经行处理预测,针对现有的一些处理时序数据的模型经行改进处理,具体工作如下:1)针对单变量多来源的多元时间序列,提出一种基于编解码结构与线性回归组合模型(AR_CLSTM)。AR_CLSTM利用卷积神经网络来学习输入的时间序列数据的特征信息。然后,将提取到的特征输入基于时间步注意的编解码的网络结构当中,学习时序数据时间之间的依赖关系。并在编码网络和解码网络之间引入了注意机制,可以更准确地选择所有时间步的相关编码隐藏状态进预测。同时还在原有的模型基础上加入了线性自回归模块,实现了线性模型和非线性模型的组合模型,增加了模型的容错性,改善原有模型对数据的线性特征学习不敏感的问题。通过在四个单变量多来源的多元时间序列数据集上的测试,验证了该模型的有效性。2)考虑到多变量单来源的多元时间序列数据除了受自身历史值的影响外还受其他变量的影响,本文对其进行了特征构造,除了采集到的其它影响因素外,还构造了数据在不同频率下的均值和方差这种数据本身具备的特征,以弥补模型对于数据特性特征方面的学习。在特征构造的基础上,利用PCA降维,在降低维度的同时,尽可能的保存更多的数据信息。在一定程度上剔除了冗余数据,提高预测精度的同时也可以缩短训练时长。而后,利用改进的时间卷积网络DATCN模型来提高电量负荷预测的精度。DATCN模型利用堆叠式的深度时间卷积网络TCN来学习更长时间步的依赖信息后利用自注意力机制捕捉数据的内部相关性来进一步提高网络的预测精度。本文在两个不同的地区的真实的电量负荷数据下面对模型做了测试,证明了模型的有效性。
其他文献
飞行器在运行过程中发动机等部件通常处于高温高压的恶劣环境中,探究实时原位获取恶劣环境下力学参数,对于发动机叶片等关键部件的结构设计以及功能防护具有深远的影响。常规的硅基器件已经无法满足500℃以上高温环境下各种参数的测试,传统压力传感器也通常面临焊点互联高温失效的缺陷。硅酸镓镧(LGS)压电单晶材料具有良好的温度稳定性和高机电耦合性,在其熔点1470℃以下不发生任何相变,适合在恶劣环境中应用。然而
<正>实施乡村振兴战略是党的十九大作出的重大决策部署,是决胜全面建成小康社会、全面建设社会主义现代化强国的重大历史任务,是新时代“三农”工作的总抓手。《中共中央国务院关于实施乡村振兴战略的意见》中提出:“传承发展提升农村优秀传统文化。立足乡村文明,吸取城市文明及外来文化优秀成果,在保护传承的基础上,创造性转化、创新性发展,不断赋予时代内涵、丰富表现形式。”重视非物质文化遗产、农村优秀传统文化的保护
声表面波滤波器具有尺寸小、成本低、工艺简单、抗电磁辐射等优点,在移动通信、雷达、广播电视、卫星导航等领域有着十分广泛的应用需求,是射频系统中的关键器件。随着移动通信技术的发展,更高的工作频段及更快的数据传输对宽带低损耗声表面波滤波器有着迫切的需求。本文针对宽带低损耗声表面波滤波器广阔的应用前景及实际应用需求,对宽带低损耗声表面波滤波器设计与制备开展研究,主要内容包括:(1)研究了声表面波激励和传播
在生物医学、工业生产、国防安全以及水下探测等领域,高灵敏度、宽频带的声传感器一直是科研人员研究的重要课题。为了解决传统的压电声波传感器探测灵敏度低以及以运动部件为敏感单元的光学声传感器响应范围窄的问题,同时微环谐振腔也因为其高品质因数、抗干扰能力强以及易于阵列集成的优势在声学传感探测领域开始崭露头角。在此背景下,本论文设计了基于微纳光纤环形谐振腔和硅基微环谐振腔的声学传感器,研究了各自在声波传感领
目标检测作为计算机视觉的核心研究任务之一,被广泛应用于各个领域,如:交通检测、医疗诊断、安全保障等,一直是研究学者广泛关注的研究课题。随着人工智能技术的不断发展,基于深度学习的目标检测算法成为当前目标检测的主流算法,其中YOLOv3算法作为深度学习目标检测算法中最受关注的算法之一,具有检测效率高、泛化能力强、鲁棒性好等优点。但是,随着检测任务的复杂度越来越高,YOLOv3算法的检测精度已经不能满足
在信息技术高速发展的今天,光子器件较之于传统的电子器件在性能和集成度上都具备明显的优势。作为能实现亚波长范围内光场调控的方式,表面等离子激元(Surface plasmon polaritons,SPPs)可以克服光子器件在微纳米尺寸下存在的经典衍射极限,从而使光子器件在尺寸和性能上取得更大的突破。得益于金属-介质-金属波导(metalinsulator-metal,MIM)结构简单、易于制备、局
软件漏洞通常是指可被恶意利用的程序缺陷,是软件系统安全性的主要威胁。对软件进行漏洞检测可有效降低安全风险,已成为软件安全领域的研究热点。覆盖率导向的灰盒模糊测试(Coverage-guided greybox fuzzing,CGF)是一种动态漏洞检测技术,通过代码插桩结合遗传算法生成测试用例,并利用测试用例触发目标软件中的漏洞。现有CGF在考虑程序路径被测试的频率差异时,是基于给定阈值来区分稀有
建筑工程塔吊作为施工现场的主要起重设备,对提高作业人员的劳动效率、加快施工进度具有不可替代的作用。但由于塔吊的安装、拆卸等作业活动存在一定的危险性和施工现场塔吊安全管理不足等原因,近年来塔吊安全事故频发,造成了较大的人员伤亡和财产损失。为系统分析塔吊安全事故的发生机理,提出具有针对性的预防和控制措施,本文以我国2013~2019年194起塔吊安全事故的调查报告为数据分析来源,对塔吊安全事故致因和风
随着计算机视觉研究的迅速发展,三维场景的语义理解已广泛应用到多个三维场景感知领域,例如室内导航、机器人等智能设备对周围场景的识别与理解直接影响其定位和避障的能力,基于深度学习的室内点云分割作为室内场景理解的关键,具有重要的研究意义,本文具体研究内容如下:(1)深入研究近年来国内外学者将深度学习应用于室内三维场景点云分割的理论知识,针对深度神经网络Point Net和Point Net++在三维点云
随着现代医学诊疗手段和计算机技术的发展,医学影像成为临床诊断和医学研究领域的强有力工具。具有多方位和多参数成像方式的医学MRI影像对人体脑部结构和软组织有较高的分辨率,且无电离辐射,是病理信息和解剖结构研究的主要手段。实际应用中,由于成像设备、技术的不同以及外界干扰等因素,造成获取的MRI影像细节丢失,纹理不清晰,因此,MRI影像的超分辨率研究对于临床诊断和人类医学事业具有重要的科学意义。通过分析