会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于滑窗算法和序列翻译模型的非侵入式负荷跨域分解_刘海东

非侵入式负荷分解作为实现电网与家庭用户能量监测的关键技术，能够量化能耗，为合理分配能源提供数据支撑。虽然目前已有算法在同数据集中功率分解准确率上有了很大的提高，但模型泛化性差且跨数据集间分解准确率低。为此，文中提出了一种基于滑窗方法的序列翻译优化模型，并运用迁移学习实现算法的跨数据集分解。该模型以滑动窗口的方式读取主电源有功功率的时间序列，采用基于LSTM编解码的序列到点模型预训练，经迁移学习获得训练模型，实现在不同数据集中的负荷分解。算例结果表明提出的深度学习模型在不同的数据集间训练测试均有较高的分解性能和准确率，提高了算法的泛化能力。

  • 2021-04-26
  • 阅读451
  • 下载0
  • 10页
  • pdf

基于ANN贡献分析及GEP算法的地铁车站土建造价预测模型_王杰

科学地选取工程特征因素及预测方法对于构建一个好的造价预测模型十分关键。在选取的14个影响地铁车站土建造价特征因素中,利用神经网络贡献分析的变量选取方法,筛选出12个主要特征因素。并针对这选定的14个全部特征因素和12个主要特征因素分别组合BP神经网络和GEP 2种预测方法构建4个不同的造价预测模型,应用18组地铁车站土建造价和特征因素的历史数据进行实例探究,通过R2,MSE,RMSE和MaxRE 4个指标的评价,结果表明:用主要特征因素为模型输入变量能显著提高模型的预测精度,且和GEP算法组合建立的造价预测模型为最优。将主要特征因素选取和预测方法选取相结合构建求解的最优模型很好地解决了已有相关研究中选取特征因素主观性多科学性不足及未考虑特征因素选取对预测方法选取的影响问题。

  • 2021-04-25
  • 阅读338
  • 下载0
  • 10页
  • pdf

基于SSD和时序模型的微博好友推荐算法_马汉达

社交网络用户的指数型增长，用户在网络中难以找到适合自己的好友，提出了一种基于SSD和时序模型的微博好友推荐算法。首先利用多目标检测算法SSD对搜集到的用户图片进行信息提取，再利用时序模型在时间维度上对提取到的信息做进一步处理，然后利用JS散度公式计算用户间的相似度，最后与基于用户个人信息得出的相似度进行加权式融合，得出综合的用户相似度，使用TOP-K思想进行用户推荐。在新浪微博用户数据集上的实验表明，参考因素的权重取值会影响推荐结果，文中所述的算法与只考虑用户属性或用户图片的算法相比，该方法精准度更高。

  • 2021-04-25
  • 阅读336
  • 下载0
  • 10页
  • pdf

基于改进稳态遗传算法的桥梁有限元模型修正_秦世强

由于测试误差和结构参数的不确定性,有限元模型修正的局部最优解和全局最优解均有可能是真实解。为了同时获取模型修正的局部最优解和全局最优解,文章提出一种改进的稳态遗传算法（ISSGA）。该算法通过一种双角度算子来判定目标函数的可行解,并通过定义可行解的伴侣解不断优化解的位置,实现目标函数局部最优和全局最优解的寻找。通过两个测试函数和一座混凝土箱梁桥模型修正案例,验证了ISSGA算法的精度、稳定性和计算效率,并明确了算法中各个参数的取值依据。结果表明:ISSGA可同时获得目标函数的局部和全局最优解；双角度算子可有效避免局部最优解的遗漏；ISSGA算法为获得模型修正合理解提供了可能。

  • 2021-04-25
  • 阅读323
  • 下载0
  • 10页
  • pdf

基于Levenberg_Marq_省略_eisach模型磁特性模拟与验证_黄雷

由于磁测量数据共享机制尚未建立,磁滞建模所依赖的材料特性大数据库不够完备,因此一种抛开磁滞微观物理本质的唯象建模研究引起了关注。文中首先在Preisach模型的基础上,采用cosh分布函数,为兼顾磁滞功能和数值实现效率,引入Everett函数建立磁滞特性解析表达式。然后将磁滞模型分析结果与电机常用硅钢片50WW600材料测量值之间的均方根误差做为适应度函数,通过Levenberg-Marquardt算法辨识Preisach模型参数。最后将不同工况下磁滞回线实际测量值与磁滞模型计算结果进行对比分析,验证该文模型的准确性和有效性,为电机电器的有限元精细分析奠定了一定理论基础。

  • 2021-04-25
  • 阅读333
  • 下载0
  • 10页
  • pdf

基于量子遗传算法优化的新Prophet模型及其验证_邓翔

时间序列预测是预测领域中的一个重要研究方向,尤其是对受节假日、季节性以及突发事件冲击较大的时间序列进行预测仍然存在着一些缺陷,表现在拟合效果差、精确度低和不稳定性方面。本文在Faccbook设计的Prophet模型基础上,构建一种以X-13-ARIMA-SEATS模型得到超参数的经验范围,利用量子遗传算法优化超参数的新Prophet模型,该模型能够更好地拟合和预测含有季节性和突发事件冲击的时间序列,并且大大简化超参数的优化。进一步,采用宏观时间序列CPI作为实证对象,通过新Prophet模型对其进行预测并与其他时间序列模型的预测效果对比,其实证结果对新Prophet模型的预测效果进行了佐证。

  • 2021-04-24
  • 阅读345
  • 下载0
  • 10页
  • pdf

基于电池组模型和聚类算法的锂离子电池组SOC不一致估计_向兆军

限于单体的功率和能量,电池组必须由成百上千的单体串并联而成,同时依赖于有效的电池管理技术,从而保证车辆行驶的动力性和经济性。然而制造误差和使用环境的不同导致电池单体存在不一致性,这使得准确估计所有单体电池荷电状态（State of charge,SOC）变得困难,从而导致电池发生过充和过放。因此,融合电池组模型和聚类算法,提出一种新的锂离子电池组SOC不一致估计方法,在保证精度的同时极大地降低计算复杂度。基于充电数据特征利用二分k-means算法将众多单体分为不同等级,减小需要考虑的对象；建立考虑参数不一致的电池组模型,用于估计单体SOC；从仿真数据和实车数据两方面验证估计结果的精度和计算复杂度,并与现有模型对比,结果表明所提方法单体SOC估计的误差在0.03以内,计算效率提高3～6倍。

  • 2021-04-24
  • 阅读411
  • 下载0
  • 10页
  • pdf

面向大数据隐私保护的联邦学习算法航空应用模型研究_陈涛

对目前人工智能算法在航空领域存在的数据孤岛问题和数据隐私保护问题进行了分析,并提出了面向数据隐私保护的联邦学习航空出行预测方法,在数据隐私保护的前提下,融合高铁出行数据、第三方应用App记录的居民消费数据进行联邦学习,大大提高了航空出行预测的准确性和可靠性,同时解决了多企业、多行业数据融合及机器学习带来的数据隐私保护问题。

  • 2021-04-24
  • 阅读356
  • 下载0
  • 10页
  • pdf