简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:基于大变形理论建立功能梯度材料(FGM)梁运动方程,将梁的横向位移假定为时间函数和梁线性模态乘积之和,利用伽辽金方法离散为非线性常微分方程组;然后,运用等效线性化方法求得随机激励作用下简支约束的功能梯度材料梁均方位移,与NewMark法和蒙特卡罗方法获得的结果对比,验证该等效线性化方法的可靠性.最后讨论材料梯度指数、激励强度和梁长细比对功能梯度材料梁振动响应的影响.
简介:图G=(V,E)的平方图G2是由G得到的图,G2的点集是V,G2中两点相邻当且仅当这两点在图G中距离是1或2.研究平方图的电力控制集问题,给出几类电力控制数为1的平方图.
LSTM的单变量短期家庭电力需求预测
功能梯度材料梁的非线性随机振动响应
几类电力控制数为1的平方图