35、本发明提出了一种基于lstm-timegan神经网络的多因素负荷预测方法,包括:采集待分析的负荷数据,经预处理后,生成格式统一的数值化数据;将所述数值化数据经归一化处理后划分训练集和测试集,使用训练集训练lstm模型和timegan模型,直到模型收敛;确定期望预测的时间点数量,使用测试集中的数据作为样本输入所述lstm模型进入...
隧道开挖可能引起施工场所附近建筑物的沉降,进而导致建筑物破坏.考虑到建筑物沉降的传统预测模型难以处理复杂非线性数据的问题,以宁波地铁5号线同德路站—石碶站区间监测数据为例,使用时间序列对抗神经网络(TimeGAN)对原始监测数据进行扩增,建立了基于长短期记忆神经网络(LSTM)深度学习网络的建筑物沉降预测模型,分析了原始...
Study Findings on Industrial Engineering Described by Researchers at Beihang University (Enhancing Short-Term Power Load Forecasting for Industrial and Commercial Buildings: A Hybrid Approach Using TimeGAN, CNN, and LSTM) 来自 掌桥科研 喜欢 0 阅读量: 6 摘要: By a News Reporter-Staff News Editor ...
本发明提出了一种基于LSTM‑TimeGAN神经网络的多因素负荷预测方法及装置,包括:采集待分析的负荷数据,经预处理后,生成格式统一的数值化数据;将所述数值化数据经归一化处理后划分训练集和测试集,使用训练集训练LSTM模型和TimeGAN模型,直到模型收敛;确定期望预测的时间点数量,使用测试集中的数据作为样本输入所述LSTM模型...
从而建立TimeGANCNN-LSTM河流水质预测模型.试验结果表明,模型预测效果良好,其平均绝对误差(MAE),均方根误差(RMSE)和决定系数(R^(2))分别为0.07,0.08和0.97,比CNN-LSTM模型分别提高了45.45%,47.06%和19.75%,比LSTM模型分别提高了50%,50%和21.25%.TimeGAN-CNN-LSTM既解决了训练模型时数据不充分的问题,又能够充分...
TimeGANLSTM针对无人机易受GPS欺骗干扰的问题,提出一种基于长短时记忆法(LSTM)的无人机全球定位系统(GPS)欺骗干扰检测模型.为了提高模型训练精度,首先利用时序生成对抗网络(TimeGAN)对训练数据集进行了数据增强工作,弥补了训练数据量的不足,还对比了增强数据集与原始数据集的性能差距.然后搭建了LSTM模型,在仿真实验下...
基于TimeGAN 增强的CNN-LSTM 模型在盾构掘进 地表沉降中的预测研究doi:10.3973/j.issn.2096-4498.2024.11.012Tunnel Construction / Suidao Jianshe (Zhong-Yingwen Ban)郁万浩刘陕南肖晓春
本发明公开了一种基于TimeGANIGWOLSTM的区域集中供热系统热负荷预测方法.该方法包括:采集区域集中供热系统的热负荷数据并进行预处理,包括异常值剔除,插补和归一化;衡量各负荷影响因素的相关性,确定输入变量和输入维度;基于TimeGAN模型进行数据增强;将原数据及数据增强生成的数据输入LSTM神经网络进行训练,并采用改进灰狼优化...