史加荣
- 作品数：52 被引量：348H指数：11
- 供职机构：西安建筑科技大学理学院更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术理学社会学经济管理更多>>
- 基于GRU-BLS的超短期光伏发电功率预测
- 2023年
- 光伏发电功率的准确预测对电网的稳定运行具有重要的意义。针对深度学习训练耗时长和宽度学习特征提取能力弱等问题,将门控循环单元(GRU)与宽度学习系统(BLS)相融合,提出了用于超短期光伏发电功率预测的GRU-BLS模型。先使用GRU训练序列样本,再将所学习到的隐特征作为新的输入特征,最后在BLS中构造特征节点和增强节点以形成最终的特征。所建立的模型在保留深度学习高预测精度的前提下,有效地缩短了模型的训练时间。在实际的光伏发电数据集上进行实验,评估所提模型在不同季节和天气类型下的性能。实验结果表明:与长短期记忆(LSTM),GRU,BLS和LSTM-BLS等模型相比,GRU-BLS的RMSE值降低了23.89%~75.68%,且TIC值和MAPE值也得到了显著改善。
- 史加荣殷诏
- 关键词：光伏发电功率预测
- Armijo型线搜索下的全局收敛共轭梯度法被引量：3
- 2017年
- 通过修正搜索方向,提出了一个具有充分下降的共轭梯度法用于求解无约束优化问题。该算法不依赖于任何线搜索,在每次迭代都能产生一个充分下降方向。在一定条件下,证明了此算法在Armijo线性搜索下的全局收敛性。数值实验结果表明所提出的算法是有效的。
- 郑秀云史加荣
- 关键词：共轭梯度法ARMIJO线搜索充分下降性全局收敛性
- 稳定广义低秩矩阵逼近算法
- 2020年
- 为了增强广义低秩矩阵逼近(Generalized Low Rank Approximations of Matrices,GLRAM)的鲁棒性与稳定性,提出稳定广义低秩矩阵逼近(Stable GLRAM,SGLRAM)算法。将每个数据矩阵分解为低秩成分、稀疏噪声和稠密高斯噪声之和,并考虑了数据缺失情形。为了恢复低秩矩阵,建立最小化矩阵l 1范数与Frobenious范数的优化问题,并设计求解它的交替方向乘子法。在合成和真实数据集上的实验结果验证了该方法的可行性与有效性。
- 史加荣米合拉衣·阿地勒
- 关键词：鲁棒
- 基于IMOPSO方法的注塑件熔接痕质量的多目标优化被引量：7
- 2016年
- 提出了一种改进多目标粒子群优化(IMOPSO)算法,并用于优化注塑成型过程中熔接痕的长度和相遇角。基于成型工艺参数建立了熔接痕多目标优化模型,同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和相遇角的代理模型。其中,通过Taguchi方法设计实验,采用Moldflow软件得到了训练改进HNN的样本。基于Pareto支配理论,提出了一种IMOPSO算法,并通过算例验证了其在多目标优化问题中的有效性。采用IMOPSO算法对注塑件熔接痕的长度和相遇角进行优化。将优化结果和MPI实验结果进行比较表明,IMOPSO算法能有效地优化注塑制品的熔接痕质量。
- 栗雪娟史加荣杨春晓
- 关键词：熔接痕混合神经网络粒子群算法多目标优化
- 基于VMD-BiLSTM-WOA的短期风电功率预测
- 2024年
- 风力发电对于解决全球能源短缺问题有重要意义,准确预测风电功率有助于风电并网的合理调度和可靠的电网运行.文章提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)、双向长短期记忆网络(Bidirectional Long Short-term Memory Network, BiLSTM)以及鲸鱼优化算法(Whale Optimization Algorithm, WOA)的混合深度学习模型,以用于短期风电功率预测.首先,VMD将原始风电功率分解为多个子模态,有效减少了序列的波动性;然后对每个子模态分别建立BiLSTM模型,使用WOA对BiLSTM中的参数进行优化,以提高混合模型的效率和预测性能;最后将各个子模型的结果叠加得到最终预测结果.在实验中通过建立不同的比较模型来说明改进策略的有效性和优越性,结果表明所提的混合模型在风电功率预测中具有较高的预测精度.
- 史加荣王双馨
- 关键词：风电功率
- 模糊环境下基于TOPSIS的部分权重信息多属性群决策方法被引量：11
- 2014年
- 给出了一个新的模糊环境下的部分属性权重信息的多属性群决策方法。首先我们利用模糊逼近理想解的方法(FTOPSIS)为每个决策者根据不同的属性确定不同的权重;然后通过建立了一个线性规划模型确定属性权重;接着,我们再利用FTOPSIS方法对方案进行排序;最后我们将所提出的方法应用到了西安市棚户区改造中融资项目风险评价上,实例说明了方法的有效性和合理性。
- 杨威史加荣庞永锋
- 关键词：模糊数多属性群决策
- 新型深度矩阵分解及其在推荐系统中的应用
- 2022年
- 个性化推荐在网络消费平台上发挥着越来越重要的角色。低秩和深度矩阵分解已广泛应用于推荐系统,并使推荐性能得以优化。为了克服传统矩阵分解的双线性性,深度矩阵分解基于用户和项目的特征向量,建立深度神经网络模型。现有方法在数据规模较大且稀疏性较高时,表现出性能不佳及运行时间较长。为此,提出了一种新型深度矩阵分解模型。该模型的输入为用户和项目的隐特征向量,网络结构由两个并行的多层感知机和一个用于预测的加权内积算子组成。对于所建立的模型,设计了两阶段求解方法。先利用低秩矩阵拟合算法对缺失数据进行补全,从而确定了两个隐特征矩阵。再将所构建的特征工程作为深度神经网络的输入,建立输出为预测评分的非线性映射。在公开的推荐数据集上验证了所提模型的有效性。实验结果表明:与传统矩阵分解方法相比,所提方法极大地提高了推荐性能;与现有的深度矩阵分解方法相比,运行时间得到显著降低。
- 史加荣李金红
- 关键词：推荐系统
- 基于不完全信息的多准则决策的方法研究
- 一般地,多准则决策(MCDM)可以分为多属性决策(MADM)和多目标决策(MODM),它是决策分析理论的重要内容之一.多准则决策主要解决含有多个互相冲突准则的方案的偏好决策问题(例如,评价、优先级和选择).然而,在现实决...
- 史加荣
- 关键词：多准则决策多属性决策不完全信息
- 文献传递
- 高阶张量信号的稀疏表示
- 2011年
- 为了有效地压缩多线性信号,提出了高阶张量信号的稀疏表示框架。基于提出的张量信号的稀疏性度量准则,建立了张量信号稀疏表示的模型。并对于所建立的模型,设计了交替式求解方法。在交替式方法中,先将每个优化问题分解为若干个有次序的非凸子优化问题,再利用组织进化算法来求解这些子优化问题。实验结果表明,当交替式方法运行信号的阶数次时,模型的解已非常接近平稳点,同时有效地获得了信号的稀疏表示。
- 史加荣魏宗田庞永锋
- 非负张量补全算法
- 2011年
- 近年来矩阵补全已成为一种重要的信号采集方式。将矩阵补全推广到非负张量情形,并提出了非负张量补全算法。该算法先将非负张量补全问题转化为交替求解一系列非负矩阵补全问题,再使用非负最小二乘方法求解这些问题。由于充分利用了数据的空时结构,所提的非负张量补全算法比非负矩阵补全算法有更好的恢复性能。实验结果证实了该方法的优越性。
- 史加荣
