基于序列模型的粗粒土力学特性预测方法

    公开(公告)号:CN115221783A

    公开(公告)日:2022-10-21

    申请号:CN202210853309.X

    申请日:2022-07-08

    摘要: 本发明公开了属于计算机应用技术领域的基于序列模型的粗粒土力学特性预测方法。该方法包括步骤1:采集粗粒土实验数据,并根据模型需要记录数据特征,再对数据进行整理和填补,划分出训练集和测试集;步骤2:基于步骤1的数据,训练机器学习模型直至收敛;步骤3:基于步骤2的收敛模型,输入待预测的粗粒土数据,得出预测结果;通过可视化模块展示预测曲线,再设定评价指标来评判最终预测效果。本发明可以对粗粒土的力学特征进行准确预测,并且节省了实验所需的人力、物力、财力;对于采用粗粒土作为主要材料的建筑,得出的结果可作为其安全性参考,有较强的实用性。

    一种利用长短期记忆网络的光伏发电功率预测方法

    公开(公告)号:CN108280551A

    公开(公告)日:2018-07-13

    申请号:CN201810106023.9

    申请日:2018-02-02

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/04

    摘要: 本发明公开了属于光伏发电功率预测技术领域的一种利用长短期记忆网络的光伏发电功率预测方法。利用长短期记忆网络的光伏发电功率参数构建长短期记忆网络预测模型:搭建具有包含若干个神经元的隐藏层的长短期记忆网络,利用相关的五维特征向量:积日、环境温度、环境湿度、风速和太阳辐照度和以次日预测点前30天每天24个整点时刻的光伏功率值和天气数据作为原始数据,将这五维向量组成输入矩阵,输入到长短期记忆网络,进行预测点的功率预测;相对于所有的预测方法,本发明将当前时刻的光伏功率变化和以前光伏功率的变化之间建立了联系,实现了时间序列数据的动态建模,能更加充分的反映光伏功率的变化规律,实现更为精确的光伏功率预测。

    一种电气设备局放源测向装置

    公开(公告)号:CN105929312A

    公开(公告)日:2016-09-07

    申请号:CN201610284817.5

    申请日:2016-04-28

    IPC分类号: G01R31/12 G01S3/80

    CPC分类号: G01R31/1209 G01S3/8003

    摘要: 一种电气设备局放源测向装置,包括正方形传感器阵列和光学测量系统,所述传感器阵列的每个阵元包括球形外壳、设置于球形外壳中心的正方体重块和六个缠有光纤的弹性柱体,六个弹性柱体平均分为三组,每组的两个弹性柱体同轴,三组弹性柱体的轴线两两垂直且经过球形外壳的中心,其中两组弹性柱体的轴线分别平行于传感器阵列的两条垂直边,每个弹性柱体的一端粘结在正方体重块的一个面上,另一端顶在球形外壳的内壁上,每个弹性柱体上的光纤的一端设有法拉第旋转镜,另一端与光学测量系统连接。本发明采用光纤同振式矢量阵列传感器对局放进行测向,不仅频率响应好、抗电磁干扰能力强、测量精度高,而且具有体积小,适应性强,对设备影响小等优点。