典型文献
基于GRA-CEEMDAN-BiLSTM的变压器油中溶解气体浓度预测
文献摘要：
基于自适应噪声完全集成经验模态分解与双向长短期记忆神经网络的变压器油中溶解气体浓度预测模型,本文中作者提出一种考虑待预测状态参量与影响因素相关性.首先,利用灰色关联分析法确定与待预测状态参量关联度较高的因素,作为关键预测输入参量;然后,运用 自适应噪声完全集成经验模态分解将待预测参量序列分解为不同尺度相对平稳的子序列分量,再将关键输入参量序列与分解得到的子序列组成输入矩阵分别输入各双向长短期记忆神经网络模型,构建各子序列的预测模型;最后,将各组分量预测结果进行叠加重构,得到最终的气体浓度预测值.通过实例验证了所提模型的可靠性和有效性.
文献关键词：
油中溶解气体;灰色关联分析;双向长短期记忆神经网络
中图分类号：
作者姓名：
李佳;邓科;侯玉莲;武晓蕊;田晨;陈诚
作者机构：
国网湖北省电力有限公司检修公司,湖北武汉430050;南昌工程学院电气工程学院,江西南昌330099;上海思源弘瑞自动化有限公司,上海200000
文献出处：
引用格式：
[1]李佳;邓科;侯玉莲;武晓蕊;田晨;陈诚-.基于GRA-CEEMDAN-BiLSTM的变压器油中溶解气体浓度预测)[J].变压器,2022(06):42-47
A类：
B类：
GRA,CEEMDAN,BiLSTM,变压器油,油中溶解气体,气体浓度预测,自适应噪声,完全集成经验模态分解,状态参量,因素相关性,灰色关联分析法,序列分解,不同尺度,子序列,别输,双向长短期记忆神经网络模型,可靠性和有效性
AB值：
0.161549
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。
