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349篇文章
< 1 2 … 18 >
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：
改进SSA-HKELM模型在海洋弯管剩余寿命预测中的应用 被引量：1
1
作者 骆正山 王良雨 +1 位作者 高懿琼 骆济豪 《安全与环境学报》 北大核心 2025年第5期1770-1779,共10页
针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布... 针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布,采用黄金正弦、Tent混沌扰动和柯西变异提高麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛速度和搜索能力,运用ISSA算法优化HKELM的网络参数,构建海洋弯管腐蚀深度预测模型。依据改进的ASME B31G剩余强度评价准则,计算最大允许腐蚀深度,结合管道腐蚀发展趋势模型,对薄弱弯管进行腐蚀剩余寿命预测。以某海洋管道弯管试验数据为基础对模型进行验证,模型预测精度高达0.989 7,能较好地预测海洋弯管的最大腐蚀深度及未来腐蚀发展趋势。寿命预测结果表明,部分弯管剩余寿命未超过其预期服役时间,为海洋弯管的安全运维及维修更换提供了决策支持。 展开更多
关键词 安全工程 海洋弯管 剩余寿命 改进麻雀搜索算法 混合核极限学习机 腐蚀深度预测模型
在线阅读 下载PDF
基于IEO-MKELM模型的重整产品辛烷值软测量方法
2
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
基于容量增量分析与VMD-GWO-KELM的锂电池健康状态估计
3
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
基于数据增强和优化DHKELM的短期光伏功率预测
4
作者 郭利进 马粽阳 胡晓岩 《太阳能学报》 北大核心 2025年第8期463-471,共9页
针对不同气象条件数据质量差异较大且光伏功率呈高波动性难以预测等问题,提出添加随机噪声的数据增强方法(DA)和改进的神经网络组合模型。首先利用谱聚类算法将光伏数据按不同气象条件进行分类,随后通过添加与输入同形状的随机噪声方法... 针对不同气象条件数据质量差异较大且光伏功率呈高波动性难以预测等问题,提出添加随机噪声的数据增强方法(DA)和改进的神经网络组合模型。首先利用谱聚类算法将光伏数据按不同气象条件进行分类,随后通过添加与输入同形状的随机噪声方法提升数据集的规模与质量。针对深度混合核极限学习机(DHKELM)超参数多等问题,提出融合佳点集初始化、黄金正弦更新策略、非线性扰动和最优个体自适应扰动的改进鹈鹕优化算法(IPOA)对其超参数寻优。最后以青海共和县光伏园内某电站数据为例,结果表明基于数据增强的改进鹈鹕算法优化深度混合核极限学习机(DA-IPOA-DHKELM)模型在不同天气、季节条件下预测误差最小,拟合度均能达到90%以上,改进模型预测精度高、算法适用性强。 展开更多
关键词 光伏功率 预测 聚类分析 数据增强 深度混合核极限学习机 改进算法
在线阅读 下载PDF
基于IDBO-HKELM-Adaboost的煤与瓦斯突出危险性预测方法 被引量：1
5
作者 李曼 徐耀松 +1 位作者 王雨虹 王丹丹 《传感技术学报》 北大核心 2025年第3期477-486,共10页
为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到... 为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到预处理样本数据。将PWLCM混沌映射、非线性递减策略以及邻域学习机制融入到蜣螂算法中,之后,利用IDBO对HKELM的关键参数进行寻优,构建IDBO-HKELM煤与瓦斯突出危险性分类预测模型。最后,使用Adaboost算法对IDBO-HKELM模型进行增强。结合工程实际数据进行验证,验证结果表明:相较于其他模型,基于IDBO-HKELM-Adaboost的预测方法具有更高的预测精度,在提高运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到97.44%。 展开更多
关键词 煤与瓦斯突出 突出预测 改进蜣螂算法 混合核极限学习机 核主成分分析 预测模型
在线阅读 下载PDF
多策略改进DBO算法与KELM的变压器故障辨识 被引量：1
6
作者 谭贵生 赵波 +2 位作者 张桂莲 刘丹丹 石宜金 《电力系统保护与控制》 北大核心 2025年第14期111-122,共12页
针对油浸式变压器故障诊断中因样本存在冗余特征,导致故障诊断精度低的问题,提出一种新的多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer,MSIDBO)优化核极限学习机(kernel extreme learning machine,KELM)的变压器... 针对油浸式变压器故障诊断中因样本存在冗余特征,导致故障诊断精度低的问题,提出一种新的多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer,MSIDBO)优化核极限学习机(kernel extreme learning machine,KELM)的变压器故障辨别模型。首先,利用随机森林(random forest,RF)与核主成分析法(kernel principal component analysis,KPCA)对变压器原始数据进行特征提取,合理降低特征量的维度。其次,引入改进的Circle混沌映射、变螺旋搜索机制、非线性控制因子、融合正余弦算法和融合多种群差分进化算法的变异策略对蜣螂算法(dung beetle optimizer,DBO)进行改进,提高全局搜索能力和收敛精度。最后,利用MSIDBO对KELM中的核参数和正则化参数进行优化,构建KPCA-MSIDBO-KELM的变压器故障诊断模型。实验表明,其诊断准确率为94.07%。与DBO-KELM、WOA-KELM、HHO-KELM、GWO-KELM和PSO-KELM故障模型进行对比分析,准确率分别提高了2.54%、3.39%、5.93%、7.63%和13.56%。相比其他模型,所提方法能够有效提高变压器故障诊断的准确率。 展开更多
关键词 变压器 故障诊断 多策略改进蜣螂算法 核极限学习机 核主成分分析
在线阅读 下载PDF
多策略改进SSA优化KELM的边坡稳定性预测模型 被引量：13
7
作者 祁云 薛凯隆 +3 位作者 李绪萍 汪伟 白晨浩 吉准泽 《中国安全科学学报》 北大核心 2025年第3期92-98,共7页
为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡... 为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡稳定性评价数据集;其次,引入Sine混沌映射、Levy飞行策略、动态自适应权重以及融合最优爆炸策略和反向学习改进麻雀搜索算法(SSA),以提高其全局搜索能力和稳定性;而后利用ISSA优化KELM中的核参数ψ和正则化系数C,提升其预测精度,同时避免KELM出现过拟合现象;最后,对比分析ISSA-KELM模型与SSA-KELM、粒子群优化算法(PSO)-KELM以及PSO-支持向量机(SVM)模型的预测结果,并将ISSA-KELM模型应用于山西某露天煤矿。结果表明:ISSA-KELM模型的准确率、精确率、召回率和F 1分数分别达到了0.9459、1、0.8667和0.929,均优于SSA-KELM、PSO-KELM和PSO-SVM模型,模型的预测结果与实际值最为接近,表明所建ISSA-KELM模型具有较强的泛化能力。 展开更多
关键词 边坡稳定性 预测模型 改进麻雀搜索算法(ISSA) 核极限学习机(kelm) 预测指标 混淆矩阵
在线阅读 下载PDF
基于KELM的趵突泉泉域地下水流替代模型
8
作者 王子健 骆乾坤 +3 位作者 李迎春 刘鑫 邓亚平 钱家忠 《合肥工业大学学报(自然科学版)》 北大核心 2025年第1期85-91,共7页
文章以济南市趵突泉泉域为研究区,采用核极限学习机(kernel extreme learning machine,KELM)建立泉域地下水流数值模型的替代模型,使用拉丁超立方抽样(Latin hypercube sampling,LHS)方法确定60组地下水开采方案用于训练KELM模型,通过... 文章以济南市趵突泉泉域为研究区,采用核极限学习机(kernel extreme learning machine,KELM)建立泉域地下水流数值模型的替代模型,使用拉丁超立方抽样(Latin hypercube sampling,LHS)方法确定60组地下水开采方案用于训练KELM模型,通过对比地下水流数值模型的模拟结果与替代模型输出的结果,评价所建立替代模型的性能。结果表明:替代模型输出的地下水位值与地下水流数值模型模拟得到的地下水位值基本接近,且模型的运行时间减少了约99.62%。说明该模型可作为趵突泉泉域地下水流数值模型的替代模型,可提高区域地下水优化管理模型的求解效率。 展开更多
关键词 地下水数值模拟 趵突泉泉域 替代模型 核极限学习机(kelm) 拉丁超立方抽样(LHS)
在线阅读 下载PDF
基于混合特征选择和IBSLO-KELM的变压器故障诊断方法
9
作者 李海龙 杜江 《广东电力》 北大核心 2025年第6期68-78,共11页
为提高变压器油中溶解气体特征质量和模型诊断准确率,提出了一种基于混合特征选择和用改进吸血水蛭优化算法(improved blood-sucking leech optimizer,IBSLO)优化核极限学习机(kernel extreme learning machine,KELM)的变压器故障诊断... 为提高变压器油中溶解气体特征质量和模型诊断准确率,提出了一种基于混合特征选择和用改进吸血水蛭优化算法(improved blood-sucking leech optimizer,IBSLO)优化核极限学习机(kernel extreme learning machine,KELM)的变压器故障诊断方法。首先,通过扩展自然邻域过采样算法对原始的样本数据进行扩充以实现故障样本均衡化;其次,基于相关比值法构建30维候选特征集,再采用混合特征选择方法,通过秩聚合算法融合4种不同特征选择方法产生的排名,形成全局综合特征排名,并采用逐维诊断的方式得到优选特征集;然后,引入佳点集策略、反近似对立学习策略和乘除法策略对吸血水蛭优化算法进行改进,并采用改进后的算法优化KELM的相关参数,以提高KELM的分类能力;最后,对不同特征选择方法以及不同故障诊断模型进行对比实验。实验结果表明,经过样本扩充和特征优选,IBSLO-KELM模型的诊断准确率可达97.8%,相较于随机森林、ReliefF、最大互信息系数、最大相关最小冗余4种单一特征选择算法,准确率分别提升了7.2百分点、5.0百分点、8.9百分点、8.4百分点,这证明了所提方法的有效性。 展开更多
关键词 不均衡样本 混合特征选择 改进吸血水蛭优化 核极限学习机 变压器故障诊断
在线阅读 下载PDF
基于VMD-MBWO-KELM的短期风电功率预测
10
作者 常振成 游国栋 +3 位作者 肖梓跃 芦玉冉 刘锐君 郗重企 《太阳能学报》 北大核心 2025年第6期623-631,共9页
针对风力发电功率存在较强的间歇性和波动性、预测精度较低的问题,提出基于变分模态分解(VMD)与多策略融合的白鲸优化算法(MBWO)的核极限学习机(KELM)预测模型。首先利用VMD对原始风力发电功率序列进行平稳化处理并构建MBWO-KELM模型,... 针对风力发电功率存在较强的间歇性和波动性、预测精度较低的问题,提出基于变分模态分解(VMD)与多策略融合的白鲸优化算法(MBWO)的核极限学习机(KELM)预测模型。首先利用VMD对原始风力发电功率序列进行平稳化处理并构建MBWO-KELM模型,然后将分解后的子序列输入MBWO-KELM模型进行预测,最后对不同子序列进行重构以得到最终的风电功率预测值。结果表明,不同季节下该模型的预测精度和稳定性明显优于其他模型,平均绝对百分比误差(MAPE)值均控制在6%以下,可提高风电能源的利用效率。 展开更多
关键词 风电功率 变分模态分解 预测 自适应算法 核极限学习机
在线阅读 下载PDF
基于TSO-HKELM的织物斜向弯曲刚度预测
11
作者 田雅伦 姚岚 +1 位作者 王栋 刘成霞 《丝绸》 北大核心 2025年第10期66-74,共9页
弯曲刚度是评价织物弯曲性能的重要指标,直接反映出织物抵抗弯曲变形的能力。为实现织物斜向弯曲刚度的预测,本文提出一种通过金枪鱼算法(TSO)优化混合核极限学习机(HKELM)的算法。首先将高斯核函数和多项式核函数引入极限学习机(ELM),... 弯曲刚度是评价织物弯曲性能的重要指标,直接反映出织物抵抗弯曲变形的能力。为实现织物斜向弯曲刚度的预测,本文提出一种通过金枪鱼算法(TSO)优化混合核极限学习机(HKELM)的算法。首先将高斯核函数和多项式核函数引入极限学习机(ELM),使其同时具有较强的泛化能力和学习能力。其次通过TSO对HKELM的5个参数进行寻优,将最佳参数带入TSO-HKELM模型进行训练,以此预测织物各向弯曲刚度,并与Peirce模型、Shinohara模型、Matsuhashi模型、Cooper模型比较预测准确度。以24种常见机织物为研究对象,利用KES-FB2测试织物12个角度的弯曲刚度构建训练集和测试集,结果表明:TSO-HKELM模型的平均绝对误差百分比仅为4.55%,比其余四个理论模型预测精度更高。 展开更多
关键词 织物 弯曲刚度 各向异性 预测 混合核极限学习机 金枪鱼算法
在线阅读 下载PDF
基于SSA-KELM的输变电工程水土流失量预测研究
12
作者 雷磊 呼梦颖 +3 位作者 董子晗 师一卿 万昊 王良 《电测与仪表》 北大核心 2025年第8期189-196,共8页
针对输变电工程中水土流失量在线监测刚起步导致智能预测预警困难的问题,文中提出一种基于麻雀搜索算法和核极限学习机的输变电工程水土流失量智能预测方法。利用麻雀搜索算法(sparrow search algorithm,SSA)优化核极限学习机(kernel-ba... 针对输变电工程中水土流失量在线监测刚起步导致智能预测预警困难的问题,文中提出一种基于麻雀搜索算法和核极限学习机的输变电工程水土流失量智能预测方法。利用麻雀搜索算法(sparrow search algorithm,SSA)优化核极限学习机(kernel-based extreme learning machine,KELM)的正则化系数和核函数参数,以降雨量环境因子作为样本输入,构建SSA-KELM水土流失量预测模型。利用该预测模型对某变电站水土流失情况进行预测,并与核极限学习机和支持向量机预测方法对比。利用自主研发的现场监测系统获取水土保持监测数据,对所提预测算法进行长期测试,结果表明,基于SSA-KELM的水土流失量预测是有效的,而且比当前其他方法的预测精度更高。 展开更多
关键词 水土流失量 麻雀搜索算法 核极限学习机
在线阅读 下载PDF
基于TVFEMDⅡ-十种鱼群算法-DHKELM模型的日含沙量预测 被引量：2
13
作者 邓智予 谢静 崔东文 《中国农村水利水电》 北大核心 2025年第3期61-70,共10页
为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算... 为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算法/旗鱼优化(SFO)算法/海洋捕食者算法(MPA)/?鱼优化算法(ROA)/蝠鲼觅食优化(MRFO)算法在基准测试函数和实例目标函数上的优化效果,提出时变滤波器经验模态二次分解(TVFEMDⅡ)-十种鱼群算法-DHKELM日含沙量时间序列预测模型。首先,利用TVFEMDⅡ对日含沙量时间序列进行分解处理,得到若干分解分量,合理划分训练集和预测集;其次,基于各分量训练集构建DHKELM超参数优化实例目标函数,同时选取8个基准测试函数作为对比验证函数,利用十种鱼群算法分别对基准测试函数和实例目标函数进行极值寻优与对比分析。最后,建立TVFEMDⅡ-十种鱼群算法-DHKELM模型,通过云南省龙潭站汛期日含沙量预测实例对各模型进行验证。结果表明:(1)十种鱼群算法对基准测试函数寻优总排名与对实例目标函数寻优总排名仅有10%相同,总体上EEFO、GKSO寻优效果较好,ROA、WSO较差。(2)十种鱼群算法对实例目标函数寻优总排名与十种鱼群算法优化的各模型预测精度总排名基本一致,表明鱼群算法极值寻优能力越强,其优化获得的DHKELM超参数越优,由此构建的预测模型性能越好,日含沙量预测精度越高。(3)TVFEMDⅡ-十种鱼群算法-DHKELM模型对实例日含沙量预测的平均绝对百分比误差(MAPE)在0.927%~1.583%之间,模型计算规模小、预测精度高、稳健性能好,具有较好的实用价值和意义。(4)在分解分量十分有限的情形下,TVFEMDⅡ能将复杂的日含沙量时间序列分解为更具规律、更易建模预测的模态分量,大大改进时间序列分解效果,显著提升日含沙量预测精度。 展开更多
关键词 日含沙量预测 时变滤波器经验模态分解 二次分解 十种鱼群算法 深度混合核极限学习机 函数优化
在线阅读 下载PDF
基于GASF-BMKELM的滚动轴承故障诊断方法
14
作者 杨锡发 王林军 +3 位作者 邹腾枭 吴振雄 李响 陈保家 《三峡大学学报(自然科学版)》 北大核心 2025年第4期96-103,共8页
针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning m... 针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning machine,BMKELM)的故障诊断方法.首先,应用小波包节点对数能量与格拉姆角和场(GASF)将原始振动信号变换为小波包对数能量图特征;其次,使用多项式核函数与径向基核函数加权组合构建多核极限学习机(multi-kernel extreme learning machine,MKELM),同时,利用贝叶斯优化算法优化多核极限学习机的参数来提升诊断模型的故障识别能力;最后,以小波包对数能量图特征作为输入,再使用BMKELM模型完成故障特征识别与分类.通过两个数据集进行验证分析,实验结果表明,所提方法的准确率分别为99.39%和98.89%,具有较高的故障识别率和稳定性. 展开更多
关键词 滚动轴承 格拉姆角和场 小波包对数能量图 多核极限学习机 贝叶斯优化算法 故障诊断
在线阅读 下载PDF
基于IHHO-KELM的锂离子电池SOC估计
15
作者 于仲安 陈可怡 邵昊辉 《电气工程学报》 北大核心 2025年第1期352-360,共9页
精确预测锂电池荷电状态(State of charge,SOC)是实现电池管理系统智能化管理的一个关键条件。提出改进哈里斯鹰算法(Improved Harris hawks optimization,IHHO)优化核极限学习机(Kernel extreme learning machine,KELM)的SOC估计模型... 精确预测锂电池荷电状态(State of charge,SOC)是实现电池管理系统智能化管理的一个关键条件。提出改进哈里斯鹰算法(Improved Harris hawks optimization,IHHO)优化核极限学习机(Kernel extreme learning machine,KELM)的SOC估计模型。在标准哈里斯鹰算法(Harris hawks optimization,HHO)的基础上,引入Logistic混沌映射获取最优种群个体,提高算法寻优能力。优化跳跃距离J,同时构建调节算子非线性控制机制平衡勘探和开发行为,使算法在前后期搜索更加合理化。通过5个标准测试函数试验仿真,证明了改进后的算法寻优能力更佳,利用IHHO算法对核极限学习机的参数进行寻优,建立IHHO-KELM估计模型。采用恒流放电试验数据进行仿真研究,对比分析无迹卡尔曼滤波(Unscented Kalman filter,UKF)、灰狼算法优化的BP神经网络(Grey wolf optimizer-back propagation,GWO-BP)与IHHO-KELM模型的预测结果,并选用动态压力测试(Dynamic stress test,DST)工况对模型进行鲁棒性验证。结果表明,所提模型SOC预测均方误差和平均绝对误差分别减小至0.13%和0.7%,精度提高,且具有较好的鲁棒性。 展开更多
关键词 哈里斯鹰算法 混沌映射 调节算子 核极限学习机 荷电状态估计
在线阅读 下载PDF
基于IDBO-HKELM的冷水机组故障诊断方法
16
作者 王宏 储盼 +3 位作者 管大松 郭洋 田增瑞 盛英杰 《科学技术与工程》 北大核心 2025年第22期9505-9513,共9页
冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习... 冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习机(hybrid kernel extreme learning machine,HKELM)融合的故障诊断模型,用于实现冷水机组早期故障的精确诊断。该模型首先采用混合核函数提高核极限学习机(kernel extreme learning machine,KELM)的学习能力和泛化性,其次将Bernoulli映射、自适应惯性因子和Levy飞行融合动态权重系数策略用于改进蜣螂优化算法(dung beetle optimizer,DBO),以平衡DBO算法的全局探索性能。最后通过基准函数验证IDBO算法的有效性,利用IDBO算法对HKELM超参数进行优化,从而构建用于冷水机组早期故障诊断的数据驱动模型。通过相关训练仿真和实验验证,所提出的IDBO-HKELM模型对冷水机组的早期故障诊断准确率提高到99.71%,对比其他算法具有明显优势。 展开更多
关键词 冷水机组 群体算法 Hkelm IDBO算法 故障诊断
在线阅读 下载PDF
基于IGWO-VMD-EMD-KELM联合预测模型的海上短期风速预测
17
作者 刘轲 张潇阳 +4 位作者 贾子晖 周彩凤 程浩宇 林瑞阳 魏子宸 《绿色科技》 2025年第10期222-228,共7页
准确、可靠的风速预测有利于保障电力系统的安全运行。为提高预测精度,提出一种融合变分模态分解(VMD)、经验模态分解(EMD)、改进灰狼优化算法(IGWO)以及核极限学习机(KELM)的短期风速预测模型。首先利用IGWO对VMD参数进行智能优化。之... 准确、可靠的风速预测有利于保障电力系统的安全运行。为提高预测精度,提出一种融合变分模态分解(VMD)、经验模态分解(EMD)、改进灰狼优化算法(IGWO)以及核极限学习机(KELM)的短期风速预测模型。首先利用IGWO对VMD参数进行智能优化。之后利用VMD将风速数据分解为若干子序列和残差项。针对残差项具有较强非平稳性的问题,利用EMD对残差项进一步分解。最后对各子序列分别利用KELM模型进行预测,并将各子序列预测结果叠加得到最终预测结果。结果表明:该模型的评价指标R 2达到了98.865%,相较于其他对比模型具有更高的预测精度。 展开更多
关键词 风速预测 变分模态分解 经验模态分解 改进灰狼优化算法 核极限学习机
在线阅读 下载PDF
基于IAOA-KELM的储气库注采管柱内腐蚀速率预测 被引量：4
18
作者 骆正山 于瑶如 +1 位作者 骆济豪 王小完 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期971-977,共7页
针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm,AOA)与核极限学习机(Kernel Extreme Learning Machine,KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降... 针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm,AOA)与核极限学习机(Kernel Extreme Learning Machine,KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm,IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization,PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E RMSE为0.65%,E MAE为0.39%,R 2为99.83%,均优于其他模型。研究表明,IAOA-KELM模型能够更为准确地预测储气库注采管柱内腐蚀速率,为储气库注采管柱的运维及储气库的健康管理提供参考。 展开更多
关键词 安全工程 地下储气库 注采管柱 核极限学习机 改进阿基米德优化算法 腐蚀速率
在线阅读 下载PDF
基于IHHO-HKELM输电线路覆冰预测模型 被引量：10
19
作者 黄力 宋爽 +4 位作者 刘闯 王骏骏 胡丹 何其新 鲁偎依 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第4期33-41,共9页
为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中... 为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中引入混合核函数,形成HKELM,利用黄金正弦、非线性递减能量指数和高斯随机游走等策略对IHHO算法进行改进;以IHHO算法的优化性能采用其对HKELM的权值向量和核参数进行优化,建立基于IHHO-HKELM的输电线路覆冰预测模型,并通过计算气象因素与覆冰厚度之间的灰色关联度确定覆冰预测模型的输入量。算例分析结果表明,IHHO-HKELM模型预测结果的均方误差、最大误差和平均相对误差分别为0.285、0.860 mm和2.83%,预测效果好于其他模型,将本文覆冰预测模型应用于其他覆冰线路,可获得良好的应用效果并验证模型的优越性和实用性。 展开更多
关键词 输电线路 覆冰预测 核极限学习机 混合核函数 改进哈里斯鹰算法
在线阅读 下载PDF
基于Adaboost-INGO-HKELM的变压器故障辨识 被引量：8
20
作者 谢国民 江海洋 《电力系统保护与控制》 EI CSCD 北大核心 2024年第5期94-104,共11页
针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning ... 针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。 展开更多
关键词 故障诊断 油浸式变压器 Adaboost集成算法 切比雪夫混沌映射 混合核极限学习机 等度量映射
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 … 18 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