期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于MCQRDDC的负荷概率预测模型
1
作者 丁美荣 张航 +4 位作者 蔡高琰 李宇轩 温兴 严彬彬 曾碧卿 《计算机系统应用》 2023年第2期281-287,共7页
针对具有约束性的复合分位数回归网络(monotone composite quantile regression neural network,MCQRNN)无法较好地分析负荷数据之中的时序信息和内在规律的问题,本研究融合MCQRNN以及膨胀因果卷积网络(dilated causal convolutional ne... 针对具有约束性的复合分位数回归网络(monotone composite quantile regression neural network,MCQRNN)无法较好地分析负荷数据之中的时序信息和内在规律的问题,本研究融合MCQRNN以及膨胀因果卷积网络(dilated causal convolutional networks,DCC),提出了一种新的分位数回归模型MCQRDCC(monotone composite quantile regression dilated causal convolutional networks),该模型将输入划分为分位点输入与非约束输入,使该模型的输出随分位点的增大而增大,以此解决分位数交叉的问题.同时,使用DCC的结构,使该模型充分地分析负荷数据之中的序列信息,使得预测结果更加符合真实负荷的变化趋势.此外,MCQRNN使用指数函数对约束权重矩阵和隐藏层权重进行转化,会影响反向传播时权重的调整,本研究使用ReLU函数代替指数函数可以解决这个问题,以此提高预测的精度.使用真实的负荷数据进行实验,实验结果表明,MCQRDCC能有效地提高预测精度,相较于MCQRNN,其平均Pinball损失和CWC分别下降2.11%和9.31%,AIS提升了10.51%. 展开更多
关键词 负荷概率预测 分位数回归 分位数交叉 膨胀因果卷积网络 mcqrnn
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部