刘真
- 作品数：11 被引量：9H指数：2
- 供职机构：河北工程大学信息与电气工程学院更多>>
- 发文基金：国家自然科学基金河北省自然科学基金河北省高等学校科学技术研究指导项目更多>>
- 相关领域：水利工程农业科学自动化与计算机技术电子电信更多>>
- 基于混合模型的短期园区需水预测
- 2023年
- 为进一步提高短期园区需水预测精度,解决因短期园区人工供水误差较大导致的水、电资源浪费问题,提出一种由麻雀搜索算法(SSA)、卷积长短时记忆神经网络(ConvLSTM)、长短时记忆神经网络(LSTM)组合的SSA-ConvLSTM-LSTM混合模型短期园区需水预测方法,并以河北工程大学为例进行了分析。针对园区用水数据在时间维度上具备的多峰值和多周期特征,采用ConvLSTM挖掘数据中的时空特征;为使预测峰值更接近实际峰值,加入LSTM提升预测性能;为优化混合模型的隐层神经元数和卷积核数,采用SSA优化算法实现自动调参。通过预测河北工程大学1 d和3 d需水量进行模型性能验证,并与其他模型进行对比。结果表明:相比向量自回归(VAR)模型、深度神经网络(DNN)模型和LSTM,该需水预测模型具有更高的预测精度。该方法在短期需水预测上表现出良好的适应性和鲁棒性,具有一定应用价值。
- 梁现斌刘真苑佳李磊刘心
- 关键词：需水预测SSA混合模型园区
- 基于小波-粒子群优化-自适应神经网络模糊推理系统的需水预测
- 针对需水预测误差高的问题,以北京市需水预测为例,提出了一种基于小波（wavelet）-粒子群优化（PSO）-自适应神经网络模糊推理系统（ANFIS）模型的需水预测方法。该方法首先是通过小波分析对需水序列进行分解,然后利用...
- 刘真李文竹刘心
- 关键词：需水预测小波分析粒子群优化
- 基于LSTM-NeuralProphet模型的城市需水预测方法研究
- 2023年
- 城市水资源规划和管理是确保城市可持续发展和居民生活基本需求得到满足的关键环节,城市短期需水预测是城市水资源规划和管理的基础。由于气温、降水量和蒸发量等随季节变化明显,直接影响不同季节的用水峰值、高峰期,导致传统基于时间序列算法的固定时隙预测无法适应时隙的变化,从而不能保证预测精度。针对固定时隙预测精度低的问题,研究了基于四季24 h时间分辨率和夏季15 min时间分辨率的双时间尺度城市短期需水预测模型。该模型使用Anomaly-Transformer模型进行异常值检测,并通过分段曲线拟合对异常值校正,采用主成分分析法对城市短期需水影响因子进行分析提取主成分,在AutoML的标准模型分析中选取三个效果最好的模型作为Stacking模型的基学习器再结合长短期记忆网络(Long Short-Term Memory,LSTM)和Optune框架超参数优化后的NeuralProphet模型对双时间尺度的城市短期需水量进行预测,同时加入安全网机制,以保证LSTM-NeuralProphet模型的精确度。与其他模型(LSTM模型、NeuralProphet模型、BP神经网络模型)相比,LSTM-NeuralProphet模型的平均绝对误差在四季24 h时间分辨率的数据集上降低了0.18%~1.96%,在夏季15 min时间分辨率的数据集上降低了0.45%~11.90%。实验结果表明,LSTM-NeuralProphet模型具有更好的拟合效果和更高的预测精度,能较准确地预测双时间尺度下的城市需水量,可以较好地应用于城市短期需水预测研究中。
- 范怡静刘真苑佳刘心
- 基于PSO-GRU神经网络的青椒生长期需水预测被引量：2
- 2023年
- 青椒生长期内需水量与气温、气压、相对湿度等因子之间存在复杂的非线性关系,需水量变化呈现出时序性和周期性的规律,为提高青椒生长期日均需水量的预测精度,提出一种PSO-GRU (粒子群算法-门控循环单元)青椒生长期日均需水预测模型。以2014—2018年实验所得的青椒需水和气象环境等数据为数据源,将日均气温、气压、风速等六维数据作为特征集,需水量作为标签,GRU神经网络作为需水预测的训练模型,并针对GRU超参数容易陷入局部最优的问题,利用PSO优化GRU模型的超参数,通过仿真实验对青椒生长期日均需水量进行预测,并与RNN, LSTM和GRU等模型进行对比,验证PSO-GRU模型的优越性。仿真实验结果表明:PSO-GRU模型的预测精度和拟合效果显著提高,RMSE为0.505, MAE为0.388, MAPE为7.73,R2为0.888。PSO-GRU模型可为制定灌溉计划提供依据,有利于节水灌溉,推动农业种植水利信息化。
- 连晓晗马永强刘真刘心
- 关键词：PSO需水预测神经网络节水灌溉
- 基于实时电价预测的智能家居器具优化调度被引量：1
- 2015年
- 针对家庭器具优化调度中电价预测误差高和用户舒适度衡量偏差大的问题,提出了一种基于小波、微粒子群和自适应神经网络模糊推理系统(Wavelet-PSO-ANFIS,WPA)电价预测的家庭器具优化调度算法。并在该算法中针对器具运行时长不同的问题,提出了一种新颖的相对量化舒适度的方法。仿真结果表明,此电价预测方法在不牺牲计算复杂度的基础上提高了预测精度,不仅可以权衡用户的用户支付和不满意度,还可以降低系统的峰均比。
- 刘真李文竹任丹萍刘心
- 关键词：WAP
- 基于小波-粒子群优化-自适应神经网络模糊推理系统的需水预测
- 针对需水预测误差高的问题,以北京市需水预测为例,提出了一种基于小波(wavelet)-粒子群优化(PSO)-自适应神经网络模糊推理系统(ANFIS)模型的需水预测方法。该方法首先是通过小波分析对需水序列进行分解,然后利用...
- 刘真李文竹刘心
- 关键词：需水预测小波分析粒子群优化
- 文献传递
- 基于包队列编码的FiWi网络节能控制机制被引量：1
- 2015年
- 提出一种基于包队列编码的FiWi网络节能控制机制。通过在OLT中编码来自ONU-MPP的源编码包队列,减少了编码数据包对下行带宽的占用。通过在OLT设置ONU-MPP发送队列的阈值控制其休眠,使ONU-MPP的休眠时间增加。仿真结果表明,该机制提高了带宽利用率和ONU-MPP的节能效率。
- 刘心郭锋刘杰刘真
- 关键词：节能效率
- 基于BAS-RBF神经网络的番茄结果期需水预测
- 2022年
- 针对番茄结果期需水量影响因子众多、RBF神经网络参数初始化不稳定等问题,提出一种基于天牛须搜索(BAS)算法优化RBF神经网络参数的番茄结果期需水预测方法。该方法利用主成分分析(PCA)算法对环境因素进行降维;使用BAS对RBF网络参数进行寻优,最终构建BAS-RBF神经网络番茄结果期需水预测模型。仿真结果表明:相较于RBF预测模型,均方根误差减少0.116 8,BAS-RBF预测模型优于传统RBF预测模型。
- 李玉琼刘真马永强刘心
- 基于VMD-PSR-BNN模型的月径流预测方法研究被引量：2
- 2023年
- 径流过程是地球上水文循环中的关键一环,科学准确地预测月径流的来水量对于流域的水量调度、水资源规划及管理具有十分重要的意义。然而由于径流过程的复杂性以及人类活动的影响,在变化环境中精准捕捉月径流时间序列的变化规律变得十分困难。针对月径流时间序列预测中存在的对于样本数据中先验信息识别不够彻底以及对时间步长嵌入维度难以有效地自适应选取这两点问题,设计了基于VMD-PSR-BNN的月径流时间序列预测模型。基于变分模态分解(VMD)算法对噪声良好的鲁棒性和对时序信号精确分解的特性,将月径流时间序列视为一种时序信号,利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数(IMF),再基于相空间重构(PSR)理论对各个IMF分别进行重构,对各个重构后的IMF分别采用基于变分推理的贝叶斯神经网络(BNN)进行预测,最后将各个BNN的预测结果进行聚合重构得到月径流时间序列的最终预测结果。选取渭河流域咸阳和华县两个水文站1953-2018年的月径流时间序列进行实例分析。结果表明:VMD对月径流时间序列具有很好的分解效果,两个水文站基于VMD-PSR-BNN模型的月径流预测结果均可达到水文预报的甲级标准,并且对于样本中的极端值具有较好的拟合效果,为月径流时间序列的预测提供了新的方法参考。
- 张璐刘真李磊刘心
- 关键词：相空间重构贝叶斯神经网络
- 基于深度学习人工神经网络的青椒调亏灌溉水量预测被引量：3
- 2021年
- 在2014—2018年,采用垄沟集雨覆盖种植滴灌技术与调亏灌溉技术相结合(MFR-RDI)对青椒进行试验研究,选取灌溉水利用效率最高的试验处理(即青椒结果后期重度亏水)进行灌水量预测。根据试验期间搜集的各项资料,在MFR-RDI种植方式下,以作物需水量、青椒生育期天数、作物生育期内的降水量、土壤含水率、前一天的灌水量作为模型输入因子,构建青椒作物灌水量的深度学习人工神经网络(DNN)预测模型。通过模型试验得到最佳DNN预测模型,该模型的隐含层包括4层,各隐含层神经元个数分别为:32、16、8、4。模型的激活函数采用“ReLU”,优化函数为“adam”,迭代次数为300。模型使用2018年的数据进行了测试。测试结果表明DNN模型的RMSE为0.898 mm,MAE为0.257 mm,NS为0.758,R^(2)为0.7635,说明该预测模型具有较高的精度性能。通过预测结果可以得到此种植方式下青椒的灌溉制度,为实现高效智能节水灌溉提供参考。
- 刘婧然武海霞武海霞刘真刘心刘真李玉琼
- 关键词：调亏灌溉滴灌人工神经网络青椒
