基于EMD-SVR-MLR与注意力机制的GRU-NN的电力负荷层次预测方法

    公开(公告)号:CN112766078A

    公开(公告)日:2021-05-07

    申请号:CN202011639813.7

    申请日:2020-12-31

    Abstract: 本发明公开了基于EMD‑SVR‑MLR与注意力机制的GRU‑NN的电力负荷层次预测方法,采用经验模态分解信号处理算法对用户负荷原始时间序列数据进行分解处理,并对模态函数进行重构。对重构分量建立支持向量机多元线性回归初级预测模型,从而获得预测值。将初级预测模型的预测值和原始的时间序列数据进行融合,形成新的时间序列,作为门控循环单元神经网络网络的输入,建模学习特征内部动态变化规律,并引入注意力机制赋予GRU隐含状态不同的权重,最后完成短期负荷预测;该方法提高了时间轴上对隐式时间序列的特征提取能力和计算能力,对于具有周期和长期依赖关系的电力系统的负荷预测具有较高的准确率和精确度,具有一定的实用价值。

    一种基于VMD的煤岩体破裂声发射信号处理方法

    公开(公告)号:CN111044619A

    公开(公告)日:2020-04-21

    申请号:CN201911363003.0

    申请日:2019-12-26

    Abstract: 本发明涉及信号处理与分析技术领域,提供一种基于VMD的煤岩体破裂声发射信号处理方法。本发明的方法包括下述步骤:步骤1:读取煤岩体声发射信号x的时序序列{x(t)};步骤2:基于VMD方法对声发射信号x进行分解,得到K个频率从高到低顺序排列的本征模态分量;步骤3:取高频本征模态分量进行振铃计数,即计算越过预设门槛值的震荡次数;步骤4:取低频本征模态分量计算声发射信号x的能量。本发明能够用振铃数来表征煤岩体破裂的频繁程度、用能量来表征煤岩体破裂的强弱程度,能够提高对煤岩体的破坏状态与破坏程度表征的准确性,振铃数和波形能量的突增现象能够作为煤与瓦斯突出等煤矿动力灾害的前兆。

Patent Agency Ranking