【摘 要】
：
针对双阶段注意力自编码神经网络(DA-RNN)时间序列预测算法对随机数据预测效果较差和长时间预测中存在的累积误差问题进行改进,设计了一种基于生成式对抗网络(GAN)的时间序列预测算法.该算法以DA-RNN网络为生成网络,利用生成网络和判别网络之间的互补特性,消除DA-RNN网络对于长时间预测过程中存在的累积误差问题;引入多维注意力模型改进DA-RNN网络,并利用稀疏映射函数改进多维注意力模型;改进网络优化目标,通过探索目标序列在不同分位数下分布的形式,提升网络对于随机数据的预测精度.通过在公开数据集上测试
【机 构】
：
哈尔滨工程大学 智能科学与工程学院,黑龙江 哈尔滨 150001
论文部分内容阅读
针对双阶段注意力自编码神经网络(DA-RNN)时间序列预测算法对随机数据预测效果较差和长时间预测中存在的累积误差问题进行改进,设计了一种基于生成式对抗网络(GAN)的时间序列预测算法.该算法以DA-RNN网络为生成网络,利用生成网络和判别网络之间的互补特性,消除DA-RNN网络对于长时间预测过程中存在的累积误差问题;引入多维注意力模型改进DA-RNN网络,并利用稀疏映射函数改进多维注意力模型;改进网络优化目标,通过探索目标序列在不同分位数下分布的形式,提升网络对于随机数据的预测精度.通过在公开数据集上测试,对算法的的准确性和有效性进行验证,结果表明:本文算法与DA-RNN算法相比,累积误差有明显降低,且对于随机数据的预测精度有显著提高.
其他文献
针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法.采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声.用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理.利用某光伏电站的发电数据
针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST(MLP&spatial-temporal),模拟预测北京市未监测区域未来时刻的空气质量指数(air quality index,AQI).通过实验结果对比确定最佳历史时间步长PP值为29;然后将模型与其他空气质量预测模型进行对比.实验结果表明,MLP&ST模型在3种评价指标下(RMSE,MAE,MAPE)皆优于其他对比模型,验
为了提升轻度认知障碍(MCI)测试的准确性与有效性,研究了一种基于自然交互的轻度认知障碍测试方法,并基于此设计面向临床诊断的脑健康测试系统.基于语音辅助交互,开发智能辅助判断的记忆测试交互算法,以传统纸笔书写行为为切入点,使被试能够通过传统的纸笔完成和电脑的交互,主试基于智能判断进行测试,两者通过自然交互达成脑健康测试的目的.而后,基于提出的自然交互方法,设计并开发具有多种功能的脑健康测试系统.本文提出的用于轻度认知障碍测试的自然交互方法和测试系统,通过可用性实验表明其较好的易用性、准确性和鲁棒性,系统提
为了提高重点区域的监控安全性,改善图像整体加密速度慢的缺陷,立足于图像局部加密的快速处理方法设计,提出了基于图像感兴趣区域(region of interest,ROI)加密的概念.通过OSTU算法对红外图像进行ROI提取来确定加密区域;然后对Lorenz混沌序列进行数据处理确保序列的随机性,并利用处理后的Lorenz混沌序列对红外图像的ROI进行加密;最后与传统矩阵变换加密进行了详细的加密性能比较,并与其他3种加密算法进行了运算速度比较.实验结果表明,所提加密算法属于局部加密,与整体加密相比,其加密速度
随着计算机应用领域的扩大,使用建立血栓形成机制计算模型或计算机软件模拟血栓形成过程逐渐成为血栓研究的热点.本文提出了一个基于笛卡尔自适应细化网格的混合计算模型用于模拟初期血栓的形成.计算模型中利用水平集方法的运动界面追踪功能对初期血栓的形态和生长过程进行建模,采用网格细化和局部水平集方法实现建模网格的自适应细化,提高水平集方法的计算效率.计算模型被应用于狭窄血管中初期血栓形成的仿真实验,仿真结果显示的血管狭窄对血小板聚集的影响与相关研究的动物实验结果一致;并且,自适应细化网格有效降低了实验过程中因界面形态
异常用电行为的时频特性往往具有强随机不确定性,而固定参数相关的分析方法无法有效处理此类数据.为此,本文提出了一种基于经验模式分解(EMD)的异常用电检测方法.首先,针对用电数据的不同特点进行初步筛选,进而采用EMD方法对用户用电量和线损电量序列进行自适应分解,提取EMD分解所得高频分量,通过对其变化趋势和相关性进行分析,标定异常用电行为.结合实际案例的分析比对,验证了该方法的有效性.
堆石料的形状、尺寸以及级配等参数直接影响堆石坝的稳定性和抗渗性能.当前主要采用人工的方式筛分堆石料,效率低下;而传统的图像分割算法分割精度低,无法准确测量岩石的参数信息.针对这一问题,本文提出一种深度图像引导的岩石颗粒分割方法.首先对深度图像进行预处理,去除深度图像的噪声;然后提取深度图像与可见光图像的随机特征和显著性特征,并对随机特征进行多次抽样;最后根据多组随机特征和显著性特征得到多个分割预测结果,并选择最优的分割.实验结果表明,本文方法能够实现岩石颗粒的准确分割,并将其应用到岩石颗粒度评估的场景中,
针对运营中的城市道路在路基病害探测中无法封路的情况,以广州市广花一级公路为工程背景,阐述了城市道路探地雷达(GPR)检测原理,并对检测精度影响因素进行了总结.提出了不影响正常交通条件下城市道路二维、三维探地雷达快速联合检测优化方法,以三维雷达图像进行初判、二维雷达深入检测并进行对比分析,实现道路病害的精确解译.运用此优化方法建立了广州地区城市道路病害的检测图谱,包含健康道路雷达图像,土体不密实/富水区、松散、脱空、空洞和裂隙等5种城市道路病害雷达图像,地下基础设施雷达图像和特殊地质情况雷达图像(主要为溶洞
由于人类活动的复杂性和多维性,活动模式的挖掘具有很大的挑战性.本文提出了一个基于时序活动序列计算用户之间的相似度,通过聚类分析来挖掘活动模式和社会人口学模式的方法,对模式进行趋势分析.实验结果表明,提出O(p(m–p))的相似度算法,可以有效地进行聚类.在此基础上,通过时序活动图和概率密度函数(PDF)图的可视化以及统计分析,挖掘出了活动及其社会人口学模式,然后通过对连续多年的数据挖掘,获取行为及其社会人口学模式的发展趋势,以此得到了相似的活动行为具有相似的社会人口学特征的结论.
在超宽带(UWB)室内定位系统中,采用时域特征识别非视距信号(NLOS)不能达到令人满意的性能.为了解决这一问题,利用小波变换方便同时提取时频域特征的特点,提出了一种基于连续小波变换和卷积神经网络(CWT-CNN)的NLOS识别方法.仿真实验使用一个网络开源数据集.仿真结果表明,对于6种不同的室内场景,NLOS信号识别准确率分别为87.50％、84.50％、88.00％、87.00％、90.50％和88.50％,CWT-CNN能够较好的识别时频域内的NLOS信号.