期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到705篇文章
< 1 2 … 36 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于IEO-MKELM模型的重整产品辛烷值软测量方法
1
作者 陈晓彦 赵超 +2 位作者 付斌 李卫东 范克威 《石油与天然气化工》 北大核心 2025年第4期131-139,共9页
目的针对催化重整产品辛烷值测量实时性较差的问题,提出基于改进平衡优化器算法的多核极限学习机(IEOMKELM)辛烷值软测量模型。方法采用混沌映射、反向学习策略、优化非线性因子、莱维飞行和贪心选择策略优化基础平衡算法,获得具有更高... 目的针对催化重整产品辛烷值测量实时性较差的问题,提出基于改进平衡优化器算法的多核极限学习机(IEOMKELM)辛烷值软测量模型。方法采用混沌映射、反向学习策略、优化非线性因子、莱维飞行和贪心选择策略优化基础平衡算法,获得具有更高全局和局部搜索能力的改进平衡算法(IEO)。随后将这一改进后的平衡优化算法应用于多核极限学习机(MKELM)多项参数的优化,进而建立了催化重整产品辛烷值软测量模型。结果利用某炼化企业的实测数据对模型精度进行验证,结果表明,由IEO-MKELM模型得到的预测值与实测值间的误差在10^(−3)数量级以下,与其他同类模型相比,IEO-MKELM模型具有更高的预测精度。结论基于IEO-MKELM的辛烷值软测量方法研究对于提高催化重整生产过程的自动化水平具有重要意义。 展开更多
关键词 Ieo-MKELM 平衡优化算法 多核极限学习机 辛烷值 软测量 预测模型
在线阅读 下载PDF
基于HEOA-XGBoost组合模型的边坡稳定性预测
2
作者 祁云 白晨浩 +3 位作者 秦凯 段宏飞 李绪萍 汪伟 《中国安全科学学报》 北大核心 2025年第9期137-144,共8页
为预防边坡失稳安全事故发生,针对边坡失稳的不确定性及影响因素的复杂性等问题,提出一种基于人类进化优化算法(HEOA)优化极端梯度提升(XGBoost)的组合模型,以预测边坡稳定性。首先分析影响边坡失稳的主控因素,选取边坡岩体的6项影响因... 为预防边坡失稳安全事故发生,针对边坡失稳的不确定性及影响因素的复杂性等问题,提出一种基于人类进化优化算法(HEOA)优化极端梯度提升(XGBoost)的组合模型,以预测边坡稳定性。首先分析影响边坡失稳的主控因素,选取边坡岩体的6项影响因素建立边坡稳定性预测指标体系;其次利用极差标准化统一样本量纲,并采用合成少数类过采样技术(SMOTE)平衡样本等级分布;然后通过HEOA优化XGBoost模型的最大深度、学习率、子样本比例、列样本比例和最小损失;最后利用准确率、精确率、召回率、F_(1)分数和科恩卡帕系数综合评价所建模型的预测结果,并将该模型应用于具体工程实例。结果表明:经HEOA优化后XGBoost模型的最大深度、学习率、子样本比例、列样本比例和最小损失分别为6、0.5838、0.4615、0.5846和0.0244时效果凸显;HEOA-XGBoost组合模型预测边坡稳定性状态相比于其他智能算法优化的XGBoost模型和单一XGBoost模型,其各评价指标均有所提升,表明该模型预测边坡稳定性状态具有较高的精准度和泛化性。 展开更多
关键词 边坡稳定性 人类进化优化算法(HeoA) 极端梯度提升(XGBoost) 极差标准化 合成少数类过采样技术(SMOTE)
在线阅读 下载PDF
基于电力系统受扰后频率最低点预测的一次调频优化研究 被引量：1
3
作者 张国斌 沈烨昱 +3 位作者 霍红岩 郭瑞君 牛玉广 柳双翠 《太阳能学报》 北大核心 2025年第5期89-98,共10页
为了提升新型电力系统下的频率稳定性,提出一种基于电力系统受扰后频率最低点预测的一次调频优化方法。首先为了准确预测电力系统受到扰动后的频率变化特征,分析频率偏差的产生机理,选取切机等功率不平衡事件的相关影响变量,结合极限学... 为了提升新型电力系统下的频率稳定性,提出一种基于电力系统受扰后频率最低点预测的一次调频优化方法。首先为了准确预测电力系统受到扰动后的频率变化特征,分析频率偏差的产生机理,选取切机等功率不平衡事件的相关影响变量,结合极限学习机(ELM),建立基于ELM神经网络的电力系统频率最低点预测模型,并采用蜣螂算法(DBO)对ELM优化输入权值和隐含层阈值,降低ELM随机生成参数的不稳定性。然后设计基于预测信号的一次调频优化策略。在IEEE 39节点上开展仿真试验,结果显示DBO-ELM算法在预测频率最低点时具有更快的计算速度、更强的泛化能力以及更高的预测精度,所提的一次调频优化策略能有效提升频率稳定性,可为电力系统大频差扰动提供解决方案。 展开更多
关键词 预测模型 电力系统 一次调频 极限学习机 蜣螂算法 频率最低点
在线阅读 下载PDF
基于BO-XGBoost模型的衢州市浅层滑坡易发性评价 被引量：1
4
作者 王凯 邬礼扬 +3 位作者 殷坤龙 曾韬睿 谢小旭 龚泉冰 《安全与环境工程》 北大核心 2025年第3期197-209,共13页
机器学习模型作为评估滑坡易发性的先进工具,其精度的提高是获得高质量易发性区划图的核心。为优化机器学习模型,克服传统模型在预测浅层滑坡方面的不足,提出了一种基于贝叶斯优化(Bayesian optimization,BO)的极端梯度提升树(extreme g... 机器学习模型作为评估滑坡易发性的先进工具,其精度的提高是获得高质量易发性区划图的核心。为优化机器学习模型,克服传统模型在预测浅层滑坡方面的不足,提出了一种基于贝叶斯优化(Bayesian optimization,BO)的极端梯度提升树(extreme gradient boosting,XGBoost)模型,用以评价衢州市的浅层滑坡易发性。首先,基于衢州市682处浅层滑坡的基础数据,选取坡度、坡向等10个指标构建指标因子体系;然后构建XGBoost模型,使用贝叶斯算法进行超参数优化;最后使用受试者工作特征(receiver operating characteristic,ROC)曲线以及统计方式进行精度分析,并与其他的机器学习模型进行对比。结果表明:①BO-XGBoost模型(AUC=0.874)预测精度最高,比XGBoost模型性能提升了4.17%,且根据浅层滑坡在各易发性等级的分布情况,BO-XGBoost模型在极高易发区中浅层滑坡数占比最高,为36.80%,滑坡比率最高,为3.92;②衢州市浅层滑坡极高和高易发区主要分布于北部、南部和中部山区的道路和水系沿线区域;③土地利用类型为草地、居民点距离小于400 m、道路距离与水系距离小于150 m是衢州市浅层滑坡发育的主要影响因素。研究提出的模型显著优于传统方法,提高了滑坡易发性评价的准确性,为东部沿海山区的浅层滑坡易发性评价提供了一种新颖的技术方案。 展开更多
关键词 浅层滑坡 易发性评价 极端梯度提升树(XGBoost) 贝叶斯优化(BO)
在线阅读 下载PDF
融合XGBoost和SVR的滑坡位移预测 被引量：1
5
作者 王惠琴 梁啸 +4 位作者 何永强 李晓娟 张建良 郭瑞丽 刘宾灿 《湖南大学学报(自然科学版)》 北大核心 2025年第4期149-158,共10页
利用极端梯度提升与支持向量回归,同时结合猎人猎物优化算法的优势,提出了一种融合极端梯度提升和支持向量回归的滑坡位移预测模型.首先采用极端梯度提升(extreme gradient boosting,XGBoost)进行滑坡位移初步预测,进一步利用猎人猎物... 利用极端梯度提升与支持向量回归,同时结合猎人猎物优化算法的优势,提出了一种融合极端梯度提升和支持向量回归的滑坡位移预测模型.首先采用极端梯度提升(extreme gradient boosting,XGBoost)进行滑坡位移初步预测,进一步利用猎人猎物优化算法(hunter-prey optimizer,HPO)优化支持向量回归(support vector regression,SVR)的超参数而构建了一种组合预测模型(HPO-SVR)以修正XGBoost的预测结果.两组滑坡位移实测数据表明:HPO算法通过不断更新猎人与猎物位置的动态寻优策略,获得了更加合理的SVR的超参数.相对于XGBoost、SVR,以及其与粒子群优化算法、遗传算法和HPO的组合预测模型而言,XGBoost-HPO-SVR组合模型在阳屲山滑坡和脱甲山滑坡位移预测中取得了良好的效果,其均方根误差和平均绝对误差分别为3.505和1.357,0.550和0.538. 展开更多
关键词 极端梯度提升 支持向量回归 猎人猎物优化算法 滑坡位移预测
在线阅读 下载PDF
极端天气下的新能源电力系统电力电量平衡体系 被引量：4
6
作者 叶林 裴铭 +5 位作者 杨建宾 宋旭日 罗雅迪 张振宇 於益军 汤涌 《电力系统自动化》 北大核心 2025年第4期2-18,共17页
极端天气频发给新能源电力系统的电力电量平衡带来了巨大挑战,极端天气引发的系统安全风险逐渐加剧。从极端天气对新能源电力系统源-网-荷的影响出发,文中在资源-气象-环境-电网多源数据融合、新能源资源评估、极端天气下新能源功率预... 极端天气频发给新能源电力系统的电力电量平衡带来了巨大挑战,极端天气引发的系统安全风险逐渐加剧。从极端天气对新能源电力系统源-网-荷的影响出发,文中在资源-气象-环境-电网多源数据融合、新能源资源评估、极端天气下新能源功率预测、电力平衡、电量平衡以及优化调度等方面对极端天气下电力电量平衡体系进行了分析讨论。首先,揭示了资源-气象-环境-电网数据在时间-空间上的交互影响机理,提出极端天气下小样本扩充方法,建立极端天气下新能源资源评估模型;基于此,构建极端天气下多时间尺度源-荷组合预测理论体系,提出预测误差矢量评价方法,为新能源电力系统电力电量平衡优化提供决策支撑;在预测的基础上,以频率安全为主要因素提出了极端天气下电力系统电力平衡的方法和策略,剖析了不同时间尺度下极端天气事件对电量平衡的影响,从发电侧、电网侧和负荷侧等多角度保障电量平衡,并提出了极端天气下新能源电力系统优化调度框架。最后,展望了未来极端天气下新能源电力系统在保障电力电量平衡方面应研究的方向。 展开更多
关键词 极端天气 新能源有功功率预测 电力平衡 电量平衡 新能源消纳 主动控制 优化调度
在线阅读 下载PDF
基于IMLZC和SOA-ELM的轴承损伤识别方法 被引量：1
7
作者 龙有强 姜峰 《机电工程》 北大核心 2025年第4期726-734,共9页
现有故障诊断方法大多是仅针对轴承故障类型进行分析,而缺少对故障程度进行相应的判断。为此,提出了一种基于改进多尺度Lempel-Ziv复杂度(IMLZC)和海鸥优化算法优化极限学习机(SOA-ELM)的滚动轴承损伤识别方法。首先,利用IMLZC复杂度测... 现有故障诊断方法大多是仅针对轴承故障类型进行分析,而缺少对故障程度进行相应的判断。为此,提出了一种基于改进多尺度Lempel-Ziv复杂度(IMLZC)和海鸥优化算法优化极限学习机(SOA-ELM)的滚动轴承损伤识别方法。首先,利用IMLZC复杂度测量指标对信号复杂度变化敏感的特点,将其用于提取滚动轴承振动信号的故障特征以构造特征矩阵;然后,利用海鸥优化算法对极限学习机(ELM)的关键参数进行了优化,建立了参数自适应优化的ELM分类模型;最后,将故障特征输入至SOA-ELM分类模型中进行了训练和测试,完成了滚动轴承不同故障状态的智能诊断和故障程度评估,利用滚动轴承和自吸式离心泵损伤振动信号对IMLZC-SOA-ELM模型的实用性和泛化性开展了研究,并将其与其他特征提取模型开展了对比。研究结果表明:基于IMLZC-SOA-ELM的故障诊断方法不仅能够准确识别滚动轴承的故障,而且能判断故障的严重程度,该故障诊断模型在诊断滚动轴承的故障时分别取得了100%和98.4%的识别准确率,平均识别准确率达到了99.9%,能够有效识别滚动轴承的故障类型和故障程度。与其他特征提取方法相比,IMLZC-SOA-ELM模型具有更高的识别准确率,更适合于滚动轴承的故障识别。 展开更多
关键词 滚动轴承 自吸式离心泵 故障诊断 故障程度和损伤程度 改进多尺度Lempel-Ziv复杂度 海鸥优化算法 参数最优极限学习机
在线阅读 下载PDF
基于GA-RELM多特征优选的烟叶多部位正反面识别方法 被引量：2
8
作者 陈婷 赵晓琳 +5 位作者 张冀武 盖小雷 张晓伟 刘宇晨 王燕 龙杰 《湖南农业大学学报(自然科学版)》 北大核心 2025年第1期113-122,共10页
针对现有烟叶分级模型多基于平整烟叶的正面特征构建,分级模型准确率和实用性较低的问题,提出一种基于遗传算法-正则化极限学习机(GA-RELM)多特征优选的烟叶多部位正反面识别方法。首先,对自然状态下的烟叶进行多尺度正反面特征提取,构... 针对现有烟叶分级模型多基于平整烟叶的正面特征构建,分级模型准确率和实用性较低的问题,提出一种基于遗传算法-正则化极限学习机(GA-RELM)多特征优选的烟叶多部位正反面识别方法。首先,对自然状态下的烟叶进行多尺度正反面特征提取,构建正反面数据集,根据特征重要性和特征间的潜在关系,实现特征降维并构建新特征组合。其次,对正则化极限学习机(RELM)进行隐藏层偏置寻优,以提高模型实际应用性和分类精度。结果表明:与原极限学习机(ELM)相比,GA-RELM对自然状态下的烟叶正反面和多部位正反面的分类精度分别提高了0.84%和7.88%,运算时间分别减少2.56 s和5.72 s;与其他烟叶分级算法相比,GA-RELM在准确率、精确率、召回率、F1评分等多个指标上表现出明显优势。 展开更多
关键词 烤烟 烟叶分级 多特征优选 遗传算法 正则化极限学习机
在线阅读 下载PDF
基于贝叶斯优化极端梯度提升树的电缆状态分类研究
9
作者 佘维 王欣 +3 位作者 陈斌 吕钟毓 张海丽 田钊 《郑州大学学报(理学版)》 北大核心 2025年第6期1-7,共7页
针对多分类问题中样本类间不均衡引起的电缆状态分类准确性不高的问题,提出一种基于贝叶斯优化极端梯度提升树的电缆状态分类方法。首先,利用贝叶斯优化对极端梯度提升树算法里面的超参数进行训练,获取最优超参数配置。其次,将最优超参... 针对多分类问题中样本类间不均衡引起的电缆状态分类准确性不高的问题,提出一种基于贝叶斯优化极端梯度提升树的电缆状态分类方法。首先,利用贝叶斯优化对极端梯度提升树算法里面的超参数进行训练,获取最优超参数配置。其次,将最优超参数配置应用于极端梯度提升树算法中,得到Bo-XGBoost分类模型。最后,通过实例验证该分类方法相较于SVM、TabNet、LightGBM等方法有更高的准确性,可为电缆状态分类提供一种新方向。 展开更多
关键词 贝叶斯优化 极端梯度提升树 电缆状态分类 超参数优化
在线阅读 下载PDF
带时间窗约束的逆向物流路径优化研究
10
作者 杜丹丰 王晓倩 张凤梅 《包装工程》 北大核心 2025年第1期214-221,共8页
目的研究退货逆向物流的路径优化,以降低企业成本,促进退货逆向物流的发展。方法聚焦于退货逆向物流的路径优化,充分考虑了运输成本和时间窗违规的惩罚因素,构建了一个旨在最小化回收成本的车辆路径优化模型。为了克服平衡优化器(Equili... 目的研究退货逆向物流的路径优化,以降低企业成本,促进退货逆向物流的发展。方法聚焦于退货逆向物流的路径优化,充分考虑了运输成本和时间窗违规的惩罚因素,构建了一个旨在最小化回收成本的车辆路径优化模型。为了克服平衡优化器(Equilibrium Optimizer,EO)算法容易陷入局部最优的限制,将其与变量邻域下降法结合起来加以改进,并将改进后的EO算法与模拟退火(Simulated Annealing,SA)算法进行比较分析,同时也将原来的EO算法与变量邻域下降法进行比较分析。结果优化后的EO算法相比于SA算法配送时间减少8.82%,总成本减少4.63%;相比于优化前的EO算法配送时间减少1.40%,总成本减少3.55%。结论改进后的EO算法在求解车辆路径优化模型上有更好的适应性和收敛性,可以有效减少成本,缩短路径和时间。 展开更多
关键词 逆向物流 路径优化 时间窗 平衡优化器算法
在线阅读 下载PDF
基于PSO-ELM的不同温湿度条件下叶丝干燥入口水分控制研究
11
作者 李自娟 李宜馨 +7 位作者 吕萱 赵海洋 孙朔 冯子贤 高杨 赵力源 呼守宇 陈娇娇 《中国烟草学报》 北大核心 2025年第3期60-69,共10页
【目的】控制不同温湿度条件下叶丝干燥入口水分的品质,促进叶丝干燥过程的稳定及成品烟丝质量的提高。【方法】使用K-means聚类分析划分温湿度区间,利用统计分析对不同温湿度区间下叶丝干燥入口水分进行品质区分,构建不同温湿度条件下... 【目的】控制不同温湿度条件下叶丝干燥入口水分的品质,促进叶丝干燥过程的稳定及成品烟丝质量的提高。【方法】使用K-means聚类分析划分温湿度区间,利用统计分析对不同温湿度区间下叶丝干燥入口水分进行品质区分,构建不同温湿度条件下叶丝干燥入口水分分类模型,并根据分类模型选取最佳工艺参数。【结果】(1)全年可分为4、5月为中温低湿,6、7、8月为高温高湿,9、10月为中温中湿,其它为低温中湿4个区间,且不同温湿度区间下叶丝干燥入口水分存在显著差异;(2)不同温湿度区间下叶丝干燥入口水分离散化处理后分为劣品质(其它)、中等品质(水分偏低μ-1.5σ~μ-0.5σ)、高品质(μ-0.5σ~μ+0.5σ)和中等品质(水分偏高μ+0.5σ~μ+1.5σ)4个品质类别;(3)不同温湿度区间干燥入口水分分类模型PSO-ELM效果均优于GS-SVM和GS-RF,其各温湿度区间的准确率、精确度和召回率均在90%以上,F1分数均在0.90以上;(4)PSO-ELM模型选取出最大化高品质入口水分的工艺参数运用于实际生产后,不同温湿度条件下的叶丝干燥入口水分标准差均降低了40%~50%,高品质入口水分的占比显著增高,其中中温低湿和低温中湿区的占比分别增加了38.9%和60%。 展开更多
关键词 叶丝干燥 温湿度 粒子群 极限学习机
在线阅读 下载PDF
有色金属行业碳排放情景预测研究——以陕西省为例
12
作者 杨玮 张林怡 +3 位作者 龙涛 邓莎 杨超 雷永康 《安全与环境学报》 北大核心 2025年第7期2858-2866,共9页
科学识别碳排放的主要影响因素并准确预测碳排放峰值对实现“双碳”目标具有重要意义。研究以能源、资源供应大省——陕西省为例,基于1997—2021年陕西省经济社会发展和有色金属能源消费数据,运用Lasso回归模型识别影响陕西省有色金属... 科学识别碳排放的主要影响因素并准确预测碳排放峰值对实现“双碳”目标具有重要意义。研究以能源、资源供应大省——陕西省为例,基于1997—2021年陕西省经济社会发展和有色金属能源消费数据,运用Lasso回归模型识别影响陕西省有色金属行业碳排放的主要影响因素,并通过构建粒子群算法(Particle Swarm Optimization, PSO)优化的深度极限学习机(Deep Extreme Learning Machine, DELM)模型对陕西省有色金属行业2022—2035年的碳排放进行情景预测。结果显示:省经济增速、能源消费总量、能源强度等6个因素是影响陕西省有色金属行业碳排放的主要因素;PSO-DELM模型的预测精度比DELM模型更高,其决定系数、平均绝对百分比误差、平均绝对误差和均方根误差分别为0.99、0.36%、0.02和0.03。情景预测结果表明,在低碳、基准和高碳情景下,陕西省有色金属行业碳排放将分别于2028年、2032年和2034年达峰,峰值分别为280.05万t、432.05万t和616.23万t。 展开更多
关键词 环境工程学 Lasso回归 深度极限学习机 粒子群优化算法 碳排放 情景预测
在线阅读 下载PDF
基于NSWOA-ELM算法的水稻冠层氮素含量反演方法
13
作者 于丰华 曹慧妮 +4 位作者 金忠煜 王楠 李世隆 孙道明 许童羽 《农业机械学报》 北大核心 2025年第7期532-540,共9页
以水稻为研究对象,获取波长400~1 000 nm范围内的水稻冠层高光谱反射率。采用Savitzky-Golay卷积平滑方法对高光谱数据进行预处理,并通过连续投影算法(Successive projections algorithm,SPA)选择特征波长。在此基础上,提出了一种基于... 以水稻为研究对象,获取波长400~1 000 nm范围内的水稻冠层高光谱反射率。采用Savitzky-Golay卷积平滑方法对高光谱数据进行预处理,并通过连续投影算法(Successive projections algorithm,SPA)选择特征波长。在此基础上,提出了一种基于多目标鲸鱼优化算法(Non-dominated Sorting whale optimization algorithm,NSWOA)优化的极限学习机(Extreme learning machine,ELM)模型,用于反演水稻冠层氮素含量。利用误差反向传播神经网络(Back propagation neural network,BPNN)和ELM模型,与NSWOA优化后的ELM模型进行对比。结果表明,SPA算法筛选出的特征波长为400、440、487、542、589、660、675、739、766、808、878、912、949 nm。使用筛选后的特征波长反射率构建NSWOA-ELM水稻冠层氮素含量反演模型效果最好,训练集R^(2)为0.859 3,RMSE为0.200 2 mg/g;验证集R^(2)为0.854 3,RMSE为0.206 9 mg/g。与BP神经网络和ELM模型相比,NSWOA-ELM在预测能力和模型稳定性方面具有显著优势。综上,基于NSWOA-ELM的水稻冠层氮素含量反演模型能够为水稻生长状况的描述及精准施肥提供可靠支持。 展开更多
关键词 水稻冠层 氮素 高光谱 多目标鲸鱼优化算法 极限学习机
在线阅读 下载PDF
筒形件强力旋压多回归模型与参数分步优化
14
作者 张伟 王颖 《机械设计与制造》 北大核心 2025年第10期211-215,共5页
为了提高筒形件多道次强力旋压成形质量,建立了强力旋压参数与筒形件性能参数之间的多回归模型,并基于该模型实现了工艺参数多目标优化。以减小筒形件壁厚偏差和圆柱度偏差为目标,以参数取值范围为约束,建立了强力旋压多目标优化模型。... 为了提高筒形件多道次强力旋压成形质量,建立了强力旋压参数与筒形件性能参数之间的多回归模型,并基于该模型实现了工艺参数多目标优化。以减小筒形件壁厚偏差和圆柱度偏差为目标,以参数取值范围为约束,建立了强力旋压多目标优化模型。基于正交实验数据,拟合了强力旋压工艺参数与筒形件质量参数之间的回归模型。首先使用精度较高的二阶模型,基于极值原理得到各工艺参数取值范围;而后基于线性模型系数的敏感方向与程度分析,在前一步优化范围内确定最优值。综合圆柱度偏差和壁厚偏差多回归模型的优化结果,得到最优工艺参数。经强力旋压机的试生产验证,产品的壁厚偏差均值由0.10mm减小为0.07mm,圆柱度偏差均值由0.26mm减小为0.14mm。实验结果证明了这里方法的可行性和优越性。 展开更多
关键词 筒形件 多回归模型 极值原理 多目标优化 强力旋压
在线阅读 下载PDF
基于算法优化极限学习机的香芋皮改性膳食纤维制备及其NO_(2)^(-)吸附量预测
15
作者 邓忠惠 谢微 《中国无机分析化学》 北大核心 2025年第6期889-897,共9页
在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜... 在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜索算法(SSA)、灰狼优化算法(GWO)和海鸥算法(SOA)对ELM进行优化。使用训练数据集对优化后的ELM模型进行训练。使用测试数据集对模型进行验证,评估模型的性能指标。结果显示,5种优化后的ELM模型在各项性能指标上均优于初始ELM模型。在5种优化算法中,SSA-ELM模型表现最为显著,其绝对误差(MAE)、均方误差(MSE)、均方误差根(RMSE)、平均绝对百分比误差(MAPE)分别为0.023498、0.0007391、0.027186和0.037267%,是所有优化算法测试模型中最低值。在测试模型中,原始ELM模型的R^(2)为0.013291,而GA-ELM、PSO-ELM、SSA-ELM、GWO-ELM和SOA-ELM模型的R^(2)分别0.86709、0.98016、0.99971、0.99998和0.99969。这表明5种优化ELM模型具有更高的拟合度、更好的泛化能力和稳定性,且相对于原始ELM模型,R^(2)值有显著提升。优化后的ELM模型,可以快速、准确地预测不同工艺条件下香芋皮改性膳食纤维的NO_(2)^(-)吸附量,减少实验成本和时间,提高生产效率和产品质量,为实际应用提供可靠的预测工具。 展开更多
关键词 香芋皮改性膳食纤维 响应面法 极限学习机 算法优化 预测
在线阅读 下载PDF
基于混合寻优算法的弹药储运舱绝热性能优化设计
16
作者 王飞 杜韩东 +4 位作者 谢兰川 王纪林 代小强 蔡薇 吴道勋 《表面技术》 北大核心 2025年第10期275-283,共9页
目的 优化储运舱在极寒和高温环境下的隔热保温性能,以减小高价值弹药在储运中受极端环境温度的影响。方法 通过构建复合结构储运舱的三维流-固-热耦合计算模型,采用Fluent和Hypermesh的二次开发技术,实现舱室复合隔热保温结构自动参数... 目的 优化储运舱在极寒和高温环境下的隔热保温性能,以减小高价值弹药在储运中受极端环境温度的影响。方法 通过构建复合结构储运舱的三维流-固-热耦合计算模型,采用Fluent和Hypermesh的二次开发技术,实现舱室复合隔热保温结构自动参数化建模与分析,基于混合寻优算法完成对复合隔热保温结构的多目标优化设计。结果 优化后的舱室复合隔热保温结构面密度降低17.3%,厚度降低22.5%;高温环境下2 h时温度降低2.5 K,极寒环境下2 h时温度升高6.5 K;优化后舱内温度满足在高温环境下2 h时测点的温度低于298.15 K,极寒环境下2 h时测点的温度高于283.15 K的设计要求。结论 构建的多层复合结构流-固-热耦合仿真模型计算结果与试验误差在2%以内,能够有效评估储运舱的热性能;降低材料的导热系数、增加隔热层厚度能够提升舱室热防护性能;降低内饰层发射率对高温环境下的舱室隔热性能有利,提高内饰层的发射率对极寒环境下的舱室保温有利。 展开更多
关键词 极端环境 隔热保温结构 发射率 混合寻优算法 多目标优化
在线阅读 下载PDF
基于泊松噪声和优化极限学习机的多因素混合学习方法及应用
17
作者 蒋锋 路畅 王辉 《统计与决策》 北大核心 2025年第1期52-57,共6页
针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适... 针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适应调整参数改进蛇优化算法;最后,运用MSO优化的极限学习机(ELM)对每个子序列进行预测并集成。为了验证CEEMDPN-MSO-ELM模型的有效性,采用龙源电力集团的风电功率数据进行超短期预测,实证结果表明,CEEMDPN算法能够加强风电功率序列的主频率部分并提高分解精度,MSO算法能够很好地平衡算法的寻优速度与收敛精度,从而有效提升ELM模型的预测性能,所提模型的预测精度和稳健性均优于其他对比模型。 展开更多
关键词 超短期风电功率预测 互补集合经验模态分解 蛇优化算法 极限学习机
在线阅读 下载PDF
基于容量增量分析与VMD-GWO-KELM的锂电池健康状态估计
18
作者 陈峥 多功东 +3 位作者 申江卫 沈世全 刘昱 魏福星 《储能科学与技术》 北大核心 2025年第6期2476-2487,共12页
为克服传统健康状态估计方法中的特征提取质量不足、非线性特性复杂及模型参数优化困难等问题,本工作提出一种基于容量增量分析与VMD-GWO-KELM的健康状态估计方法。首先,本工作通过改进的基于洛伦兹函数的电压容量模型,对电池恒流充电... 为克服传统健康状态估计方法中的特征提取质量不足、非线性特性复杂及模型参数优化困难等问题,本工作提出一种基于容量增量分析与VMD-GWO-KELM的健康状态估计方法。首先,本工作通过改进的基于洛伦兹函数的电压容量模型,对电池恒流充电过程中的电压-容量数据进行拟合,提取峰电压、峰值和峰面积等健康特征,并利用灰狼优化算法完成模型参数识别,从而有效提升了特征提取质量和鲁棒性。其次,采用变分模态分解技术对健康状态信号进行多尺度分解,将模态分量作为独立子模型的输入,捕捉不同频域的关键特性,降低了信号混叠和噪声影响。然后,结合灰狼优化算法对核极限学习机模型的关键参数进行优化,显著提高了非线性拟合能力和估计精度。最后,通过不同训练量、不同估计模型对比和多电池数据的验证,全面评估模型性能。实验结果表明,本工作提出的算法在仅使用100次循环数据的情况下,即可实现高精度健康状态估计,平均绝对误差为0.9751%,最大误差为1.9340%,同时表现出良好的鲁棒性和泛化能力。 展开更多
关键词 锂离子电池 健康状态 容量增量分析 变分模态分解 灰狼优化 核极限学习机
在线阅读 下载PDF
二元混合气体成分检测的改进蒲公英算法研究
19
作者 李鹏 汤炼海 +2 位作者 林事力 纵彪 于涛 《传感器与微系统》 北大核心 2025年第2期15-20,共6页
针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策... 针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策略(EOBL)引入蒲公英种子位置更新,提高原算法寻优精度。将该算法用于KELM参数寻优,建立改进DO(IDO)算法优化KELM模型,实现对二元混合气体的成分识别。实验结果表明:IDO算法优化的KELM模型对二元混合气体成分识别准确率可达99.71%,比原始KELM模型提高4.28%。 展开更多
关键词 改进蒲公英优化算法 核极限学习机 气体分类
在线阅读 下载PDF
近场感知通信一体化系统的感知与通信性能帕累托优化
20
作者 张广驰 谢志立 +1 位作者 崔苗 武庆庆 《电子与信息学报》 北大核心 2025年第10期3528-3537,共10页
感知通信一体化(ISAC)是第6代移动通信的重要研究方向之一,它使无线通信网络具备了感知能力。超大规模多输入多输出(XL-MIMO)的研究使得通信研究从远场转向近场,但ISAC在近场区域的研究还不充分。该文针对近场区域中存在散射体干扰的场... 感知通信一体化(ISAC)是第6代移动通信的重要研究方向之一,它使无线通信网络具备了感知能力。超大规模多输入多输出(XL-MIMO)的研究使得通信研究从远场转向近场,但ISAC在近场区域的研究还不充分。该文针对近场区域中存在散射体干扰的场景,研究了多用户XL-MIMO ISAC系统的波束成形设计,致力于探讨ISAC系统中通感性能的折衷问题。为此,该文首先导出了感知互信息的一般形式,并通过引入辅助变量和舒尔补(Schur complement)将其转化为半定规划问题进行优化。针对复杂的多用户信干噪比(SINR)表达式,利用Dinkelbach算法将其转化为凸函数形式,以降低优化难度。进一步,提出一种多目标优化框架,旨在同时最大化多用户信干噪比和感知互信息,并通过构建系统效用函数求解帕累托最优解。仿真结果表明,所提方法能够平衡用户通信和目标感知性能,实现两者之间的最优折衷。研究还揭示了散射体在距离上对感知目标的干扰规律,为ISAC系统的设计提供了重要参考。 展开更多
关键词 超大规模多输入多输出 近场感知通信一体化 散射体干扰 多目标优化
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 36 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部