-
公开(公告)号：CN112001556B
公开(公告)日：2022-07-15
申请号：CN202010879460.1
申请日：2020-08-27
申请人： 华中科技大学 , 武汉市武昌区水资源管理服务中心
摘要： 本发明公开了一种基于深度学习模型的水库下游水位预测方法，采用最大信息系数来筛选下游水位相关因子；在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合；将下游水位相关因子的最佳特征组合作为输入，构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM)；采用Adam梯度优化算法来训练CNNLSTM模型权重变量，将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子，并优化了相关因子的特征组合，采用了深度学习预测模型，有效地提高了下游水位的预测精度，对水库调度中准确计算发电出力具有至关重要的作用。
-
公开(公告)号：CN112001556A
公开(公告)日：2020-11-27
申请号：CN202010879460.1
申请日：2020-08-27
申请人： 华中科技大学 , 武汉市武昌区水资源管理服务中心
摘要： 本发明公开了一种基于深度学习模型的水库下游水位预测方法，采用最大信息系数来筛选下游水位相关因子；在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合；将下游水位相关因子的最佳特征组合作为输入，构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM)；采用Adam梯度优化算法来训练CNNLSTM模型权重变量，将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子，并优化了相关因子的特征组合，采用了深度学习预测模型，有效地提高了下游水位的预测精度，对水库调度中准确计算发电出力具有至关重要的作用。
-
公开(公告)号：CN115611487A
公开(公告)日：2023-01-17
申请号：CN202211177166.1
申请日：2022-09-26
申请人： 长江生态环保集团有限公司 , 华中科技大学
摘要： 本发明公开了一种纳米材料协同植物修复污泥中重金属的方法。所述方法包括将生物炭负载纳米零价铁材料与污泥充分混合后均匀铺洒于平面上，随即在污泥表面播撒超积累植物种子，待超积累植物种子发芽生长；通过植物和生物炭负载纳米零价铁材料之间的协同作用去除和固定污泥中重金属。本发明采用的是一种绿色的修复方式，不仅对环境没有二次污染，同时能过做到原位修复，减少了其他经济上的损耗。本发明操作简单，效果良好，对环境友好，适用污泥中重金属的处理。
-
公开(公告)号：CN111985719A
公开(公告)日：2020-11-24
申请号：CN202010878240.7
申请日：2020-08-27
申请人： 华中科技大学
摘要： 本发明公开了一种基于改进的长短期记忆网络的电力负荷预测方法，采用最大信息系数初步筛选历史负荷这一特征，并结合考虑负荷相关因子带来的影响，采用最大相关最小冗余算法对历史负荷进行进一步刷选，将筛选后的特征集及作为模型的输入，采用改进的长短记忆网络进行电力负荷预测，得到的预测结果与实际的电网负荷进行验证，证明模型的实用性。本发明的预报方法(H-ILSTM)精确考虑了电力负荷及其影响负荷的相关因子,有效的提高了电力负荷预测的精度，对电网运行的安全性和经济性有着一定的提高。
-
公开(公告)号：CN111985719B
公开(公告)日：2023-07-25
申请号：CN202010878240.7
申请日：2020-08-27
申请人： 华中科技大学
摘要： 本发明公开了一种基于改进的长短期记忆网络的电力负荷预测方法，采用最大信息系数初步筛选历史负荷这一特征，并结合考虑负荷相关因子带来的影响，采用最大相关最小冗余算法对历史负荷进行进一步刷选，将筛选后的特征集及作为模型的输入，采用改进的长短记忆网络进行电力负荷预测，得到的预测结果与实际的电网负荷进行验证，证明模型的实用性。本发明的预报方法(H‑ILSTM)精确考虑了电力负荷及其影响负荷的相关因子,有效的提高了电力负荷预测的精度，对电网运行的安全性和经济性有着一定的提高。
-
-
-
-
搜索结果
5 条记录 (耗时 0.023 秒)
