XiaoMi-AI文件搜索系统
World File Search SystemInformer
LSTM 与Informer 融合预测冠层区域温度
摘 要： 针对传统温度预测方法难以充分捕捉多尺度信息，导致模型预测性能不佳等问题，该研究提出了一种基于 Informer 架构和长短时记忆网络（ long short-term memory, LSTM ）与多源数据融合的冠层区域温度预测模型。在编码层 中，采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系；在解码层中，利用 LSTM 提取 短期时序依赖，以增强时间序列的连贯性，同时引入改进的反向残差前馈网络（ improved residual feedforward network, IRFFN ）以优化模型结构。首先采用孤立森林法对数据进行异常值清理，并进行了归一化处理；然后使用斯皮尔曼相关 系数法对冠层区域温度进行相关性分析，并选择相关程度较高的环境因子作为模型的输入特征；最终通过网格搜索法对 超参数进行优化，并通过迭代训练实现模型的最优配置。通过与其他 4 种主流算法进行对比分析，提出的 Informer- LSTM 在冠层区域温度预测方面表现出更高的精度，其平均绝对误差（ mean absolute error, MAE ）、均方根误差（ root mean square error, RMSE ）和决定系数（ R 2 ）分别达到了 0.166 、 0.224 ℃和 97.8% ，与基础模型 Informer 相比，冠层区 域温度的预测精度提高了 32.36% 。该模型在时间序列预测方面具有较高的精度，为区域气象温度的中短期精准预测提 供了一种新的技术方法。 关键词： 冠层 ； 温度 ； 非线性时间序列 ； 长短期记忆神经网络 ； Informer doi ： 10.11975/j.issn.1002-6819.202409001 中图分类号： TP18 ； S165 文献标志码： A 文章编号： 1002-6819(2025)-07-0001-11
基于贝叶斯优化的Informer锂离子储能电站电压异常预测方法
1 新疆大学可再生能源发电与并网教育部工程研究中心，乌鲁木齐 830049，新疆，中华人民共和国。2 新疆电力有限公司电力科学研究院，乌鲁木齐 830049，新疆，中华人民共和国。通讯作者：吴嘉辉 (wjh229@xju.edu.cn)。摘要：随着储能电站领域的蓬勃发展，电池系统状态和故障的预测受到广泛关注。电压作为各类电池故障的主要指示参数，准确预测电压异常对确保电池系统的安全运行至关重要。本研究采用基于 Informer 的预测方法，利用贝叶斯优化算法对神经网络模型的超参数进行微调，从而提高储能电池电压异常预测的准确性。该方法以1分钟为采样间隔，采用一步预测，训练集占总数据的70%，将预测结果的均方根误差、均方误差和平均绝对误差分别降低至9.18mV、0.0831mV和6.708mV。还分析了实际电网运行数据在不同采样间隔和数据训练集比例下对预测结果的影响，从而得到一个兼顾效率和准确性的数据集。所提出的基于贝叶斯优化的方法可以实现更准确的电压异常预测。
告密者：2022年5月
欢迎进入联邦执法线人（告密者）的这一部门。联邦执法培训中心首席顾问办公室的法律培训部致力于为执法人员提供质量，有用和及时的美国最高法院和联邦巡回上诉法院的审查，法律中的有趣事态发展以及撰写的法律文章，以澄清或阐明各种问题。这些文章中表达的观点是作者的意见，不一定反映联邦执法培训中心的观点。法律部门的成员研究并撰写了告密者。您可以加入告密者邮件列表，并通过单击下面的链接通过电子邮件直接向您发送信息。
AD Informer Set：促进阿尔茨海默症的化学工具’
1. Yiannopoulou KG，Papageorgiou SG。阿尔茨海默病的当前和未来治疗：最新进展。J Cent Nerv Syst Dis。2020；12：1179573520907397。2. Krahn AI，Wells C，Drewry DH，Beitel LK，Durcan TM，Axtman AD。定义神经激酶组：针对神经退行性疾病的小分子药物发现策略和机会。ACS Chem Neurosci。2020；11：1871-1886。3. Cummings J，Lee G，Ritter A，Sabbagh M，Zhong K。阿尔茨海默病药物开发渠道：2020。Alzheimers Dement（纽约）。2020；6：e12050。 4. https://www.nia.nih.gov/research/amp-ad 5. Hodes RJ、Buckholtz N. 加速药物伙伴关系：阿尔茨海默病 (AMP-AD) 知识门户通过开放数据共享帮助发现阿尔茨海默病药物。Expert Opin Ther Targets。2016；20：389-391。 6. Mullard A. NIH 启动开放科学阿尔茨海默病计划。Nat Rev Drug Discov。2019；18：895。 7. Lee WH. 开放获取靶标验证是加速药物发现的更有效方法。PLoS Biol。2015；13：e1002164。 8. Frye SV. 化学探针的艺术。Nat Chem Biol。2010；6：159-161。 9. Arrowsmith CH、Audia JE、Austin C 等人。化学探针的前景和危险。自然化学生物学。2015；11：536-541。10. Wells CI、Drewry DH、Pickett JE 等人。开发一种针对多效性激酶 CK2 的强效选择性化学探针。细胞化学生物学。2021；28：546-558。11. Wells C、Couñago RM、Limas JC 等人。SGC-AAK1-1：一种针对 AAK1 和 BMP2K 的化学探针。ACS Med Chem Lett。2019；11：340-345。12. Asquith CRM、Berger BT、Wan J 等人。SGC-GAK-1：一种针对细胞周期蛋白 G 相关激酶（GAK）的化学探针。J Med Chem。 2019；62：2830-2836。13. Picado A、Chaikuad A、Wells CI 等人。暗激酶 STK17B 的化学探针通过独特的 P 环构象获得其效力和高选择性。J Med Chem。2020；63：14626-14646。14. Brown PJ、Müller S。用于表观遗传靶标的开放获取化学探针。未来医学化学。2015；7：1901-1917。15. Barnash KD、Lamb KN、Stuckey JI 等人。通过靶标类别定向组合重利用进行 Chromodomain 配体优化。ACS Chem Biol。2016；11：2475-2483。 16. Elkins JM、Fedele V、Szklarz M 等人。已发表激酶抑制剂集的综合表征。Nat Biotechnol。2016；34：95-103。17. Drewry DH、Wells CI、Andrews DM 等人。蛋白激酶公共化学基因组学集及征文进展。PLoS One。2017；12：e0181585。18. Drewry DH、Wells CI、Zuercher WJ、Willson TM。极端开放科学视角：公司无限制共享化合物。SLAS Discov。2019；24：505-514。19. Wells CI、Al-Ali H、Andrews DM 等人。激酶化学基因组集 (KCGS)：用于激酶脆弱性识别的开放科学资源。Int J Mol Sci。2021；22：566。20. Müller S、Ackloo S、Arrowsmith CH 等人。为开放科学捐赠化学探针。Elife。2018；7：e34311。21. 勃林格殷格翰国际公司。https://opnme.com/ 22. Basu A、Bodycombe NE、Cheah JH、等人。一种用于识别小分子靶向的癌症遗传和谱系依赖性的交互式资源。细胞。2013；154：1151-1161。23. Clemons PA、Bittker JA、Wagner FF 等人。筛选中使用信息集：关于识别新探针的有效策略的观点。SLAS Discov。2021：24725552211019410。24. Antolin AA、Tym JE、Komianou A、Collins I、Workman P、Al-Lazikani B。客观、定量、数据驱动的化学探针评估。细胞化学生物学。2018；25：194-205。