为了提高超短期风电功率的预测精度,提出了一种基于COOT算法优化的变分模态分解(VMD)、分层主成分分析(hierarchical principal components analysis,HPCA)与门控循环单元神经网络(GRU)的组合预测模型。首先,利用能量差值法确定变分模...为了提高超短期风电功率的预测精度,提出了一种基于COOT算法优化的变分模态分解(VMD)、分层主成分分析(hierarchical principal components analysis,HPCA)与门控循环单元神经网络(GRU)的组合预测模型。首先,利用能量差值法确定变分模态分解子模态数,从而将具有强非线性的原始功率序列分解为一组相对平稳的子模态。其次,利用灰色关联度分析计算高维气象特征与功率序列的关联度值并进行排序分层,利用主成分分析提取各分层特征变量的第一主成分,实现对高维气象特征的降维。最后,引入COOT算法对门控循环单元预测模型的超参数进行优化,加速模型收敛速度,提高模型预测精度。对贵州某风电场的实测数据进行仿真分析,结果表明:相较于传统GRU模型的预测结果,所提方法的均方根误差、平均绝对误差、平均绝对百分误差分别下降了67.41%、72.25%、45.69%,且预测精度高于其他4种组合预测模型,有效提高了超短期风电功率预测精度。展开更多
针对基于非接触式的心率检测方法受光照变化干扰难以准确估计心率的问题,提出一种抑制光照变化的远程心率估计方法。首先采用YCbCr颜色空间的肤色模型,并建立皮肤掩膜,将该皮肤掩膜与原图像相乘提取面部肤色图,可以从复杂背景中过滤掉...针对基于非接触式的心率检测方法受光照变化干扰难以准确估计心率的问题,提出一种抑制光照变化的远程心率估计方法。首先采用YCbCr颜色空间的肤色模型,并建立皮肤掩膜,将该皮肤掩膜与原图像相乘提取面部肤色图,可以从复杂背景中过滤掉大部分非肤色区域,得到稳定的面部感兴趣区域(region of interest,ROI)肤色图像,减轻面部运动伪影干扰。其次,为抑制光照变化影响,将该区域的RGB颜色空间转换到LAB和YCbCr颜色空间,选取描述血容量变化的G、A、Cr 3种颜色信号,并将这3种颜色信号采用改进的完全自适应噪声集合经验模态分解方法(ICEEMDAN)进行去噪,并使用主成分分析(PCA)分离出与血容量变化相关的脉搏波信号。最后,对该脉搏波信号进行快速傅里叶变换(FFT),根据0.7~3.0 Hz频段内最高峰值所对应的频率来估计心率。实验结果表明:该方法在不同光照条件下正常眨眼时计算出的心率与同时用指夹式脉搏血氧仪测出的心率之间的相关系数为0.9823,Bland-Altman统计上下限分别为3.1788次/min和-1.8805次/min,证实了使用多色彩空间从面部视频进行准确和可靠的心率监测的潜力。展开更多
文摘为了提高超短期风电功率的预测精度,提出了一种基于COOT算法优化的变分模态分解(VMD)、分层主成分分析(hierarchical principal components analysis,HPCA)与门控循环单元神经网络(GRU)的组合预测模型。首先,利用能量差值法确定变分模态分解子模态数,从而将具有强非线性的原始功率序列分解为一组相对平稳的子模态。其次,利用灰色关联度分析计算高维气象特征与功率序列的关联度值并进行排序分层,利用主成分分析提取各分层特征变量的第一主成分,实现对高维气象特征的降维。最后,引入COOT算法对门控循环单元预测模型的超参数进行优化,加速模型收敛速度,提高模型预测精度。对贵州某风电场的实测数据进行仿真分析,结果表明:相较于传统GRU模型的预测结果,所提方法的均方根误差、平均绝对误差、平均绝对百分误差分别下降了67.41%、72.25%、45.69%,且预测精度高于其他4种组合预测模型,有效提高了超短期风电功率预测精度。
文摘针对基于非接触式的心率检测方法受光照变化干扰难以准确估计心率的问题,提出一种抑制光照变化的远程心率估计方法。首先采用YCbCr颜色空间的肤色模型,并建立皮肤掩膜,将该皮肤掩膜与原图像相乘提取面部肤色图,可以从复杂背景中过滤掉大部分非肤色区域,得到稳定的面部感兴趣区域(region of interest,ROI)肤色图像,减轻面部运动伪影干扰。其次,为抑制光照变化影响,将该区域的RGB颜色空间转换到LAB和YCbCr颜色空间,选取描述血容量变化的G、A、Cr 3种颜色信号,并将这3种颜色信号采用改进的完全自适应噪声集合经验模态分解方法(ICEEMDAN)进行去噪,并使用主成分分析(PCA)分离出与血容量变化相关的脉搏波信号。最后,对该脉搏波信号进行快速傅里叶变换(FFT),根据0.7~3.0 Hz频段内最高峰值所对应的频率来估计心率。实验结果表明:该方法在不同光照条件下正常眨眼时计算出的心率与同时用指夹式脉搏血氧仪测出的心率之间的相关系数为0.9823,Bland-Altman统计上下限分别为3.1788次/min和-1.8805次/min,证实了使用多色彩空间从面部视频进行准确和可靠的心率监测的潜力。
