seabell(百合心)来看

blues-star 2002-06-07 05:09:32
http://www.csdn.net/expert/topic/786/786395.xml?temp=.2080042

由于该贴(并非我所发),你解决了我的一个疑问,所以我要给你40分。

别人没有什么异议吧?
...全文
62 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
blues-star 2002-06-07
  • 打赏
  • 举报
回复
好给分,没有什么啦,其实这个是应该的。不要客气咯,哈哈
weidegong 2002-06-07
  • 打赏
  • 举报
回复
没异议,高兴
seabell 2002-06-07
  • 打赏
  • 举报
回复
啊?稻草人,你弄得我太不好意思了 :)
我也是来学习的,大家多交流,互相提高嘛 :)
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)内容概要:本文提出了一种基于高斯混合模型(GMM)聚类的风电场短期功率预测方法,结合CNN-BiLSTM-Attention深度学习模型,实现对风电功率的高精度预测。首先利用GMM对风电场历史数据进行聚类分析,区分不同风况模式,提升数据特征的代表性;随后构建CNN-BiLSTM-Attention网络模型,其中CNN提取局部时序特征,BiLSTM捕捉双向时间依赖关系,Attention机制增强关键时间步的权重,从而提高预测准确性。该方法在Python和Matlab平台上实现了代码开发与仿真验证,展示了良好的预测性能和实用性。; 适合人群:具备一定机器学习和深度学习基础,从事新能源发电预测、电力系统调度、智能算法应用等相关领域的研究人员及工程技术人员,尤其适合研究生、科研人员和电力行业从业者。; 使用场景及目标:①应用于风电场短期功率预测,提升电网调度的可靠性和经济性;②为新能源并网提供精准的功率预测支持,增强电力系统稳定性;③作为深度学习与聚类算法融合的典型案例,用于科研复现、算法优化与教学示范。; 阅读建议:建议读者结合提供的Python和Matlab代码进行实践操作,重点关注GMM聚类的数据预处理逻辑与CNN-BiLSTM-Attention模型的网络结构设计,建议在实际数据集上进行训练与调参,以深入理解模型性能与改进空间。

87,996

社区成员

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧