基于T2VNN模型的阀冷系统进阀温度预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.15888/j.cnki.csa.008529

基于T2VNN模型的阀冷系统进阀温度预测

引用
预测进阀温度的变化趋势对阀冷系统中设备运行的安全可靠性具有重要的参考价值.针对传统方法特征提取困难、预测精度低等问题,提出了一种用于预测进阀温度的T2VNN(Time2Vec neural network)模型,该模型首先通过时间序列表示学习方法Time2Vec对进阀温度进行特征提取,然后结合TCN和双向LSTM的优势,并且使用分位数回归来实现概率预测.最后设计了不同时间步和分位数在多个典型模型上的对比实验,实验结果验证了T2VNN模型具有更高的预测性能,并且通过消融实验证明了模型中各个组成部分的有效性.

进阀温度、阀冷系统、时间序列、表示学习、分位数回归

31

TP391;TP273;TP183

2022-06-22(万方平台首次上网日期,不代表论文的发表时间)

共9页

132-140

相关文献
评论
暂无封面信息
查看本期封面目录

计算机系统应用

1003-3254

11-2854/TP

31

2022,31(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn