超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

236例儿科抗菌素使用对比分析

目的为了解儿科抗菌素应用的变化及现状,探讨改善儿科抗菌素滥用趋势的途径。方法分别随机抽取时间跨度10年两组儿科住院病历,对其诊断,用药指征、用药时间、用药种类、用药量进行对比分析。结果住院病例全部使用抗菌素、X线、实验室检查支持使用抗菌素分别为75%和47.1%,抗菌素越用越新,用量偏大。结论必须建立系统的到位的干预措施,强化继续教育,加强知识更新和病原微生物的临床研究。     

基于DWT-CNN-LSTM的超短期光伏发电功率预测

太阳能是未来清洁能源的关键,由于各种气象因素的影响,光伏发电通常不稳定.准确预测光伏发电功率的方法已成为解决光伏发电规划和建模问题的重要工具,可以减轻电力系统的负面影响,提高系统的稳定性.提出了一种基于离散小波变换(discrete wavelet transform,DWT)、卷积神经网络(convolutional...     

236例儿科抗菌素使用对比分析

目的 为了解儿科抗菌素应用的变化及现状,探讨改善儿科抗菌素滥用趋势的途径.方法 分别随机抽取时间跨度10年两组儿科住院病历,对其诊断,用药指征、用药时间、用药种类、用药量进行对比分析.结果 住院病例全部使用抗菌素、X线、实验室检查支持使用抗菌素分别为75%和47.1%,抗菌素越用越新,用量偏大.结论 必须建立系统的到位的干预措施,强化继续教育,加强知识更新和病原微生物的临床研究.