典型文献
基于时序大数据机器学习的状态趋势预警研究
文献摘要：
针对目前预测算法的预测时间短和预警不及时等问题,采用极限学习机(ELM)算法,构建了时序预测模型,并通过最小二乘法拟合构建预测值斜率趋势,采用高斯混合聚类得到了动态安全趋势阈值,再结合预测斜率趋势和动态安全趋势阈值实现了斜率趋势预警.结果表明,相比于门控循环单元结构(GRU)神经网络等建模方法,ELM算法具有更好的预警能力,并且斜率趋势预警能够较早发现运行时异常变化,实现准确且及时的预警.
文献关键词：
极限学习机预测;高斯混合聚类;动态安全趋势阈值;斜率趋势预警
中图分类号：
作者姓名：
蒋斌;尤慧飞;王俊;张文博;张俊
作者机构：
华能(浙江)能源开发有限公司玉环分公司,浙江玉环 317600;上海电力大学,上海 200090
文献出处：
引用格式：
[1]蒋斌;尤慧飞;王俊;张文博;张俊-.基于时序大数据机器学习的状态趋势预警研究)[J].上海电力大学学报,2022(03):280-286
A类：
动态安全趋势阈值,斜率趋势预警
B类：
数据机,预警研究,预测算法,ELM,时序预测模型,最小二乘法拟合,高斯混合聚类,测斜,门控循环单元,单元结构,GRU,预警能力,早发现,异常变化,极限学习机预测
AB值：
0.225083
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
