基于DPT-LSTM特征选择的电力负荷预测方法

    公开(公告)号:CN119382068A

    公开(公告)日:2025-01-28

    申请号:CN202411239021.9

    申请日:2024-09-05

    Applicant: 三峡大学

    Abstract: 本发明涉及基于DPT‑LSTM特征选择的电力负荷预测方法,将收集的电力符合数据进行相干性分析,分为主要特征数据和次要特征数据,并对主要特征数据按固定比例分解后分别进行卷积提取多尺度特征数据后,输入到通道注意力模块加权求和得到特征数据图;构建双分支网络,将特征数据图和辅助特征分别输入到双向长短期记忆子网络和长短期记忆子网络中并对结果进行加权拼接得到电力符合预测结果。本发明考虑多种变量因素对电力负荷数据的影响,筛选对电力负荷预测结果有正面影响和负面影响的数据,并利用多尺度特征方法提取特征数据,得到精准的电力符合预测结果。

    基于MSCCEAUNet和物理约束联合驱动的土石坝白蚁巢探测方法

    公开(公告)号:CN119989876A

    公开(公告)日:2025-05-13

    申请号:CN202510004333.X

    申请日:2025-01-02

    Applicant: 三峡大学

    Abstract: 基于MSCCEAUNet和物理约束联合驱动的土石坝白蚁巢探测方法,包括以下步骤:模拟带有白蚁巢的土石坝结构复的杂地质模型,利用有限差分方法FDTD生成对应的b‑scan数据和地下介电常数数据作为模拟数据集;构建一个具有多尺度级联卷积(MSC)和高效通道注意力机制(ECA)的MSCCEAUNet网络,将由步骤一模拟生成的复杂地质模型数据输入到MSCCEAUNet网络中训练;加入不同信噪比的高斯噪音和随机介质扰动数据对MSCCEAUNet再一次进行训练,根据模型的训练情况,优化MSCCEAUNet结构,提升模型的抗干扰能力和鲁棒性;将满足探地雷达的麦克斯韦方程组的物理信息约束的物理残差方程作为物理损失函数融入MSCCEAUNet框架,实现数据与物理的联合驱动反演。

Patent Agency Ranking