庄世杰
- 作品数：5 被引量：15H指数：1
- 供职机构：福州大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 试论高等学校教学与科研的双重职能被引量：1
- 1994年
- 庄世杰
- 关键词：学校教学高等教育发展提高教学质量
- 一种基于模块化循环神经网络的电力负荷预测方法
- 本发明涉及一种基于模块化循环神经网络的电力负荷预测方法。包括以下步骤：1、构建一个包含输入层、隐藏层和输出层的循环神经网络，并把隐藏层划分为若干个模块；2、通过四种隐藏层模块更新策略和两种循环连接剪枝策略的不同组合，可以...
- 黄昉菀郭昆於志勇庄世杰
- 文献传递
- 我国高等学校基础研究刍议被引量：1
- 1995年
- 我国高等学校基础研究刍议庄世杰（一）当前，世界科学技术迅猛发展，国力竟争实质上是科技力量的竞争，而基础科学方面的实力亦相应成为决定一个国家国力的重要因素。因此，世界各国——特别是经济发达国家，在研究与发展（Ｒｈｏ）方面的投入（包括人力与财力），逐年均...
- 庄世杰
- 关键词：高校
- 全文增补中
- 一种基于模块化循环神经网络的电力负荷预测方法
- 本发明涉及一种基于模块化循环神经网络的电力负荷预测方法。包括以下步骤：1、构建一个包含输入层、隐藏层和输出层的循环神经网络，并把隐藏层划分为若干个模块；2、通过四种隐藏层模块更新策略和两种循环连接剪枝策略的不同组合，可以...
- 黄昉菀郭昆於志勇庄世杰
- 基于Zoneout的跨尺度循环神经网络及其在短期电力负荷预测中的应用被引量：13
- 2020年
- 通过精确的电力负荷预测,智能电网可以提供比传统电网更高效、可靠和环保的电力服务。现实生活中,电力负荷数据往往存在着与历史数据较高的时间相关性,而传统的神经网络却很少关注它。近年来,循环神经网络(Recurrent Neural Network,RNN)由于可以很好地捕获在时间上距离很远的数据之间的相关性,因此在电力负荷预测中受到越来越多的关注。但是,由于RNN特有的自循环结构,当采用随时间的反向传播算法(Back-Propagation Through Time,BPTT)进行网络训练时,随着网络层数的增加,很容易发生梯度消失等问题,从而导致预测精度下降。目前已有多种解决梯度消失问题的RNN架构,如长短期记忆网络(Long Short-Term Memory,LSTM)和门控制单元(Gated Recurrent Unit,GRU),但其复杂的内部结构会增加训练时长。为了解决上述问题,文中首先对目前流行的各种RNN架构进行了研究和分析,其次结合最新提出的Zoneout技术,设计了一种跨时间尺度的分模块循环神经网络架构,重点研究了隐藏层模块的随机更新策略,不仅有效解决了梯度消失问题,而且大幅度减少了待训练的网络参数。基于基准数据集和实际负载数据集的实验结果表明,该结构可以获得比目前流行的RNN架构更好的性能。
- 庄世杰庄世杰於志勇郭文忠
- 关键词：短期电力负荷预测循环神经网络
