【PSO-GRU-multihead-Attention多特征分类预测】基于粒子群算法优化门控循环单元网络结合多头注意力机制多特征分类预测。(可做分类/回归/时 262 0 00:13 App VMD-BILSTM/BILSTM基于变分模态分解和双向长短期记忆网络的时间序列预测(含BILSTM、VMD-BILSTM 模型的对比)。 91 0 00:22 App 【PSO-Transformer多变...
变分模态分解粒子群算法门控循环单元为了更有效提取电力负荷数据中的特征信息,从原始含噪声较多的负荷序列中提取包含丰富特征信息的信号分量,提高电力负荷预测精度.针对变分模态分解(variational mode decomposition,VMD)参数设定经验与主观性较强,提出一种基于粒子群算法(particle swarm algorithm,PSO)优化参数的变分模态分解...
该文为提高年径流预测精度,引入黏菌算法(slime mould algorithm,SMA)和变分模态分解算法(variational mode decomposition,VMD),提出一种基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated recurrent unit,GRU)神经网络的组合预测...
用于捕获不同频率下的振动特征BiGRU-Attention时序特征提取：输入：CNN提取的特征序列操作：双向GRU网络学习...
基于VMD-FIG和参数优化GRU的风速多步区间预测 第42卷第10期 太阳能学报 V o l . 42, N o . 102021 年 10 月___ACTA E N ER G IA E SO LA R IS SINICA ___ O ct ., 2021 DOI ： 10.19912/j .0254-0096.tynxb .2019-1083 文章编号：0254-0096(2021) 10-0237-06 基于V M D -...
基于VMD-GRU的城市轨道交通短时客流预测
信号分解方法VMD可以替换为EMD、CEEMD、CEEMDAN、EEMD等分解算法。SSA可以改为PSO、GWO、AOA、GA、NGO等其他优化算法。LSTM也可以换为GRU、BILSTM等。📊 本案例使用的数据集是北半球的光伏功率,包含四个输入特征(太阳辐射度、气温、气压、大气湿度)和一个输出预测(光伏功率)。预测对象可以是电力负荷、风速、光伏等...
(Least Square Support Vector Machine, LSSVM)的组合方法;A4为粒子群优化(Particle Swarm Optimization, PSO)算法极限学习机(Extreme Learning Machine, ELM)的组合方法;同时设定预测起点均为总循环周期的50%,采用MAE和RMSE这两种评价指标,方法的对比结果见表8,分析可得,本文所提预测方法的评价指标在等同条件下都是...
1.中科院一区牛顿-拉夫逊优化算法+分解组合对比!VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测,变分模态分解+牛顿-拉夫逊优化算法Transformer结合门控循环单元多变量时间序列预测(程序可以作为核心级论文代码支撑,目前尚未发表); 牛顿-拉夫逊优化算法算法(Newton-Raphson-based optimizer,NRBO)是一种全新的元启发式...
基于黏菌算法优化VMD-CNN-GRU模型的年径流预测 第２０卷第３期南水北调与水利科技（中英文）ｇｙ Ｖｏｌ．２０Ｎｏ．３ 水文水资源 收稿日期：２０２１ １１ ０４ 修回日期：２０２２ ０３ １１ 网络出版时间：２０２２ ０３ １７网络出版地址：ｈｔｔｐｓ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ...