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76篇文章
< 1 2 … 4 >
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：
基于互补经验模态分解法的高压直流输电线路故障测距 被引量：3
1
作者 邹红波 伏春林 高沈清 《三峡大学学报（自然科学版）》 CAS 2021年第2期93-99,共7页
高压直流输电(HVDC)线路发生接地故障,故障点会产生向线路两侧传播的行波.对测量行波的首个波头到达监测时间点的准确识别,能决定线路故障定位的精度.考虑到故障行波的非线性、非平稳、多模态的特征,传统方法是采用希尔伯特黄变换(HHT)... 高压直流输电(HVDC)线路发生接地故障,故障点会产生向线路两侧传播的行波.对测量行波的首个波头到达监测时间点的准确识别,能决定线路故障定位的精度.考虑到故障行波的非线性、非平稳、多模态的特征,传统方法是采用希尔伯特黄变换(HHT)的方法:首先利用经验模态分解(EMD)或集成经验模态分解(EEMD)进行模态解析,分解成若干个本征模态函数(FIM),然后对首个FIM分量进行希尔伯特变换标定波头的具体时间点.但是,EMD法存在着分解分量过平滑和模态混叠的问题,EEMD法存在着分解分量噪声残余过大而淹没故障信息的问题.为了解决该问题,本文利用互补经验模态分解法(CEEMD)代替传统EMD和EEMD法对故障行波进行分析.PSCAD仿真和Matlab数据分析表明,该方法能实现线路故障的准确定位,并且受过渡电阻的影响较小. 展开更多
关键词 高压直流输电 故障定位 互补经验模态分解 行波波头 线路故障
在线阅读 下载PDF
基于互补集合经验模态分解和支持向量回归机的城市轨道交通线路轨距劣化预测 被引量：1
2
作者 贾清天 林海剑 金忠 《城市轨道交通研究》 北大核心 2025年第1期50-55,共6页
[目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),... [目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),对提取数据进行训练,标定预测模型最优参数后进行测试集验证,构建CEEMD-PSO-SVR预测模型。通过上海轨道交通16号线上行轨道区间K12+134—K15+743内的1128组轨检样本数据对预测模型进行了试验。[结果及结论]CEEMD-PSO-SVR预测模型同PSO-SVR模型、ARIMA(自回归移动平均模型)相比,在均方根误差、平均绝对误差、平均相对误差绝对值等3项性能评价指标上具有优势。 展开更多
关键词 城市轨道交通线路 轨距劣化 互补集合经验模态分解 支持向量回归机
在线阅读 下载PDF
基于互补集合经验模态分解的相位敏感光时域反射计系统降噪方法
3
作者 岳新博 高旭 +2 位作者 高阳 王海涛 鲁秀娥 《红外与激光工程》 北大核心 2025年第2期134-148,共15页
为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)... 为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)算法筛选后,通过改进的小波阈值算法进行去噪,并设计采用多元宇宙优化(MVO)算法对参数进行优化。实际搭建了外差式Φ-OTDR系统,经仿真和实际测试验证文中算法有效性。最后,将设计算法与以往的经验模态分解-皮尔逊相关系数(EMD-PCC)、自适应噪声完备集合经验模态分解(CEEMDAN)及变分模态分解-改进小波阈值(VMD-NWT)去噪方法进行了对比。结果表明,在10.14 km的传感光纤位置上,该方法对于低频10 Hz、中频200 Hz以及高频1 200 Hz的振动事件,其位置信息信噪比分别可达8.88、30.26、11.90 dB,对不同频率段的振动信号均具备有效的去噪能力,且系统定位精度更高。该方法在提高系统信噪比的同时,成功地对振动信号进行了解调,且解调效果比其他三种算法效果更好,为Φ-OTDR系统降噪研究提供了新思路。 展开更多
关键词 相位敏感光时域反射仪 互补集合经验模态分解算法 多尺度排列熵 改进的小波阈值算法 多元宇宙优化算法
在线阅读 下载PDF
基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型
4
作者 唐非 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期735-744,共10页
针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后... 针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。 展开更多
关键词 风能 短期风速 组合预测 互补集成经验模态分解 多模型 Stacking融合
在线阅读 下载PDF
完全互补小波噪声辅助集总经验模态分解 被引量：19
5
作者 何刘 丁建明 +1 位作者 林建辉 刘新厂 《振动与冲击》 EI CSCD 北大核心 2017年第4期232-242,共11页
经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(C... 经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。 展开更多
关键词 经验模态分解 集合经验模态分解 噪声辅助 模态混叠 互补集总经验模态分解
在线阅读 下载PDF
基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型 被引量：4
6
作者 殷礼胜 刘攀 +3 位作者 孙双晨 吴洋洋 施成 何怡刚 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4499-4508,共10页
该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞... 该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。 展开更多
关键词 短时交通流预测 互补集合经验模态分解 麻雀搜索算法 双向门控循环单元 边界局部特征延拓
在线阅读 下载PDF
基于互补式集合经验模态分解和IPSO_ LSSVM的短期风功率预测 被引量：10
7
作者 李鉴博 樊小朝 +2 位作者 史瑞静 王维庆 陈景 《水力发电》 北大核心 2020年第11期95-100,共6页
针对风电出力随时间变化具有非线性特点,本文提出一种基于互补式集合经验模态分解(CEEMD)和改进粒子群算法最小二乘支持向量机(IPSO_LSSVM)新型风功率预测组合模型。首先该方法利用CEEMD将风速序列分解为一系列相当平稳风电分量,以减少... 针对风电出力随时间变化具有非线性特点,本文提出一种基于互补式集合经验模态分解(CEEMD)和改进粒子群算法最小二乘支持向量机(IPSO_LSSVM)新型风功率预测组合模型。首先该方法利用CEEMD将风速序列分解为一系列相当平稳风电分量,以减少不同频率功率信号之间相互影响;其次针对各分量不同特点,采用改进粒子群算法优化核函数相关参数建立各自对应预测模型;最后将不同分量预测数据进行叠加得到风功率预测结果。通过仿真验证,本预测模型有较高预测精度,在工程中具有一定实用价值。 展开更多
关键词 风电出力 互补式集合经验模态分解 最小二乘支持向量机 改进粒子群算法 组合模型 预测
在线阅读 下载PDF
基于互补式集合经验模态分解和SSA-ELM的短期风电功率预测 被引量：8
8
作者 魏鹏飞 樊小朝 +2 位作者 史瑞静 王维庆 闫亚东 《水力发电》 CAS 2021年第5期116-120,共5页
根据实际风电功率信号的波动性和非线性,提出了一种基于互补式集合经验模态分解(CEEMD)和樽海鞘群算法极限学习机(SSA-ELM)的短期风电功率预测模型。首先利用CEEMD将风电功率原始信号分解为一系列模态分量和剩余分量,以减小风电功率的... 根据实际风电功率信号的波动性和非线性,提出了一种基于互补式集合经验模态分解(CEEMD)和樽海鞘群算法极限学习机(SSA-ELM)的短期风电功率预测模型。首先利用CEEMD将风电功率原始信号分解为一系列模态分量和剩余分量,以减小风电功率的非平稳性;其次采用樽海鞘群算法优化极限学习机对不同分量进行预测;最后将不同分量的预测值叠加得到最终的风电功率预测结果。通过实例仿真验证,并与其他方法进行对比,结果表明该预测模型可提供较高精度的预测结果,具有一定的实用价值。 展开更多
关键词 互补式集合经验模态分解 樽海鞘群算法 极限学习机 风电功率预测
在线阅读 下载PDF
基于互补集合平均经验模态分解的滚动轴承故障诊断方法研究 被引量：3
9
作者 张萍 李志农 +1 位作者 陈静铃 杨诚 《南昌航空大学学报（自然科学版）》 CAS 2019年第2期7-12,49,共7页
针对集合经验模态分解(EEMD)的机械故障诊断方法中存在的不足,即其加入的白噪声不能完全被中和。为了克服其不足,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承故障诊断方法,提出的方法很好地克服了EEMD中存在的不足,有效地消除了IM... 针对集合经验模态分解(EEMD)的机械故障诊断方法中存在的不足,即其加入的白噪声不能完全被中和。为了克服其不足,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承故障诊断方法,提出的方法很好地克服了EEMD中存在的不足,有效地消除了IMF中的残留噪声。仿真结果表明:提出的方法明显优于EEMD方法,可以减少重构误差,提取较为准确的IMF分量。最后,将CEEMD方法应用到滚动轴承故障诊断中,实验结果表明,CEEMD方法能准确的提取滚动轴承的特征故障频率。 展开更多
关键词 互补集合经验模态分解(CEEMD) 故障诊断 滚动轴承
在线阅读 下载PDF
基于模态分解与误差修正策略的原油价格组合预测研究 被引量：4
10
作者 王德运 陈奕青 耿亮 《南昌工程学院学报》 CAS 2022年第1期22-31,共10页
为进一步提高原油价格的预测精度,基于互补集合经验模态分解(CEEMD)和经过粒子群算法(PSO)优化的BP神经网络构建了一种用于原油价格预测的组合模型。该模型共包括原油价格的初始预测、误差序列的提取及预测和初始预测结果的误差补偿。使... 为进一步提高原油价格的预测精度,基于互补集合经验模态分解(CEEMD)和经过粒子群算法(PSO)优化的BP神经网络构建了一种用于原油价格预测的组合模型。该模型共包括原油价格的初始预测、误差序列的提取及预测和初始预测结果的误差补偿。使用WTI和Brent原油现货价格日度数据对所提组合模型的有效性进行了验证,实验结果表明本文提出的误差预测方法可以准确地刻画误差序列的演化规律;基于误差补偿的原油价格组合预测模型可以显著地提高单一模型的预测精度。 展开更多
关键词 原油价格预测 互补集合经验模态分解 粒子群算法 BP神经网络 误差补偿
在线阅读 下载PDF
互补集合自适应最稀疏窄带分解及其应用 被引量：1
11
作者 陈君航 彭延峰 +2 位作者 李学军 韩清凯 李鸿光 《振动与冲击》 EI CSCD 北大核心 2019年第20期31-37,共7页
自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高... 自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高。因此在结合了互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)算法,得到了新的互补集合自适应最稀疏窄带分解(Complementary Ensemble Adaptive Sparsest Narrow-band Decomposition,CE-ASNBD)方法。此方法是加入成对符号相反的白噪声到目标信号,从而减小重构误差,在对滤波器参数的优化过程中实现信号的自适应分解。对仿真和实验数据的分析结果表明,该方法在抑制模态混淆、端点效应、性能、提高分量的正交性和准确性等方面要优于CEEMD和ASNBD方法,并能有效应用于滚动轴承故障诊断。 展开更多
关键词 故障诊断 滚动轴承 自适应最稀疏窄带分解 互补集合经验模态分解 局部窄带信号
在线阅读 下载PDF
融合三支聚类与分解集成学习的股票价格预测模型
12
作者 白军成 孙秉珍 +2 位作者 郭誉齐 陈有为 郭建峰 《运筹与管理》 CSSCI CSCD 北大核心 2024年第8期213-218,共6页
准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测... 准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测的准确性,将是值得深入探讨的科学问题。为了获得准确的预测,帮助投资者赢得最大利润,本文引入分解集成思想和三支决策理论,提出了一种基于三支聚类和分解集成的复合预测方法。首先,使用互补集成经验模态分解方法将原始时间序列分解成若干个相对平稳的子序列,实现降低原始时间序列复杂性的同时挖掘了隐藏的信息。其次,为了针对性地处理不同属性的子序列,构建了基于贝叶斯风险决策的概率粗糙集进行三支聚类。接着,为了避免输入信息的欠缺或者冗余信息的干扰,采用基于相空间重构的特征选择方法确定不同神经网络的输入结构。最后,将提出的方法应用于美股ANY价格预测和国际、国内的重要股票指数以及其成分股预测验证其有效性和实用性。同时为把粒计算思想方法与分解集成融合,构建复杂动态数据预测决策模型与方法进行了有益的尝试和探讨。此外,研究结果将为投资者的实际投资决策提供科学的支持与参考。 展开更多
关键词 三支聚类 互补集成经验模态分解 股票价格预测
在线阅读 下载PDF
基于信号分解与分类建模的HRG稳定期预测
13
作者 李新三 李灿 +2 位作者 沈强 汪立新 王海洋 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第12期3729-3738,共10页
为准确预测半球谐振陀螺(HRG)输出稳定期,提出基于信号分解与分类建模的稳定期预测方法。针对HRG高可靠、长期稳定特点引起的样本变化规律不明显问题,使用具有频率显微镜能力的互补集合经验模态分解(CEEMD)算法对输出进行分解,得到不同... 为准确预测半球谐振陀螺(HRG)输出稳定期,提出基于信号分解与分类建模的稳定期预测方法。针对HRG高可靠、长期稳定特点引起的样本变化规律不明显问题,使用具有频率显微镜能力的互补集合经验模态分解(CEEMD)算法对输出进行分解,得到不同频率尺度的信号分量;采用增广Dickey-Fuller(ADF)检验方法对分量信号进行平稳性检验,对于平稳分量建立自回归滑动平均(ARMA)预测模型,对于非平稳分量建立熵-径向基(RBF)神经网络模型。在时间对齐后,分量信号重构得到陀螺输出预测模型。设计陀螺输出稳定标准,给定基于输出预测的稳定期预测流程。经实验验证,组合模型预测平均相对误差仅为1.29%,比自回归积分滑动平均模型(ARIMA)误差减小了1个数量级,比熵-RBF神经网络模型误差减小了约1倍,验证了信号分解与分类建模方法的有效性与高精度。基于陀螺预测输出对陀螺稳定期进行预测,得到了实验陀螺输出稳定期约为3.95年的结论,与实际应用中相一致,说明所提方法的可行性。 展开更多
关键词 半球谐振陀螺 稳定期预测 互补集合经验模态分解 分类建模 熵-RBF神经网络
在线阅读 下载PDF
基于CEEMD-SE-PSR-BP的短期风速预测
14
作者 高晟扬 李法社 《太阳能学报》 北大核心 2025年第4期415-422,共8页
为提升预测的准确度,提出一种互补集合经验模态分解(CEEMD)、样本熵(SE)、相空间重构(PSR)以及神经网络(BP)的短期风速预测新模型。首先运用CEEMD技术对风速时间序列进行拆解,化繁为简,分离出多个子序列。随后,计算每个子序列的SE,从SE... 为提升预测的准确度,提出一种互补集合经验模态分解(CEEMD)、样本熵(SE)、相空间重构(PSR)以及神经网络(BP)的短期风速预测新模型。首先运用CEEMD技术对风速时间序列进行拆解,化繁为简,分离出多个子序列。随后,计算每个子序列的SE,从SE的特征中重组风速序列。继而,将各子序列的预测结果进行相空间重构,获取神经网络预测的输入输出样本。最后运用神经网络预测每个样本,并将所有预测结果累加。此外,还对风电场的实际运行数据进行试验,并将模型的预测结果与其他预测方法进行对比,实验结果显示出此模型在提高风速预测精度方面的显著优势。 展开更多
关键词 风速预测 样本熵 互补集合经验模态分解 相空间重构 神经网络 时间序列
在线阅读 下载PDF
滑坡位移CEEMD-CIWOA-BP预测模型
15
作者 余国强 侯克鹏 孙华芬 《有色金属(矿山部分)》 2025年第1期106-114,142,共10页
为了直观地判断滑坡因素与周期项位移间的因果关系,并提高滑坡位移预测模型的准确性,以某矿山滑坡位移监测数据为例,建立了考虑时滞的CEEMD-CIWOA-BP滑坡位移预测模型。首先利用CEEMD方法将滑坡位移监测数据分解成多个信号分量及res分量... 为了直观地判断滑坡因素与周期项位移间的因果关系,并提高滑坡位移预测模型的准确性,以某矿山滑坡位移监测数据为例,建立了考虑时滞的CEEMD-CIWOA-BP滑坡位移预测模型。首先利用CEEMD方法将滑坡位移监测数据分解成多个信号分量及res分量,将其重构为滑坡趋势项及周期项位移;然后引入Cubic混沌映射及惯性权重因子对WOA算法优化,利用优化的WOA算法对BP神经网络模型的连接权重及偏置项进行赋值;考虑到降雨及库水位对滑坡位移的时滞效应,利用Granger因果检验法确定降雨及库水位与周期位移的因果关系并引用MIC法确定时滞期数,使用CIWOA-BP模型分别对周期位移进行预测;最后,将各分量结果叠加得到滑坡位移累计预测值,对模型的预测精度进行评价。结果显示,本文提出的CEEMD-CIWOA-BP模型的性能优于其他模型,验证了所建模型的可行性。本文提出的模型能为滑坡灾害预警预报提供一定的参考。 展开更多
关键词 滑坡位移 互补集合经验模态分解 BP神经网络 改进鲸鱼优化算法 时间序列
在线阅读 下载PDF
基于CEEMD-PF的甲烷气体直接吸收信号降噪研究
16
作者 孙思奇 李正友 +1 位作者 杨沅锦 杨炳雄 《激光杂志》 北大核心 2025年第2期62-72,共11页
为提高可调谐半导体激光器吸收光谱学(TDLAS)技术甲烷气体浓度的检测精度,解决检测过程中直接吸收信号的噪声干扰问题。提出了一种互补集合经验模态分解(CEEMD)结合排列熵和S-G滤波的降噪方法,通过排列熵和S-G滤波来解决CEEMD分解中出... 为提高可调谐半导体激光器吸收光谱学(TDLAS)技术甲烷气体浓度的检测精度,解决检测过程中直接吸收信号的噪声干扰问题。提出了一种互补集合经验模态分解(CEEMD)结合排列熵和S-G滤波的降噪方法,通过排列熵和S-G滤波来解决CEEMD分解中出现的虚假分量和噪声残留问题。通过仿真含不同噪声的甲烷气体吸收信号,并将所提方法与传统的CEEMD方法和小波变换方法作对比,验证所提方法的有效性。实验结果表明,相较于对比方法,所提方法吸收光谱曲线的Lorentz线型拟合的拟合度最高为0.991 1,吸收光谱幅值与甲烷气体浓度拟合度为0.998 46。该方法能够有效降低气体吸收信号中的噪声干扰,提高了系统的测量精度。 展开更多
关键词 TDLAS 直接吸收技术 互补集合经验模态分解 排列熵 S-G滤波
在线阅读 下载PDF
基于CEEMD-SE和TCN-LSTM组合神经网络的超短期负荷预测
17
作者 冯汉中 詹鹏 +2 位作者 区伟健 张卫华 黄启文 《电子器件》 2025年第2期432-438,共7页
原始负荷数据具有波动性和随机性,这对负荷预测精度的提升造成了一定困难。为了进一步提高负荷的预测精度,提出了一种基于CEEMD-SE和TCN-LSTM组合神经网络的超短期负荷预测方法,并构建了相应的预测模型。首先,利用互补集合经验模态分解(... 原始负荷数据具有波动性和随机性,这对负荷预测精度的提升造成了一定困难。为了进一步提高负荷的预测精度,提出了一种基于CEEMD-SE和TCN-LSTM组合神经网络的超短期负荷预测方法,并构建了相应的预测模型。首先,利用互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)将原始负荷序列分解为若干本征模态函数(Intrinsic Mode Function,IMF)分量和一个残差(residual,Res)分量,利用样本熵(SE)算法将相近的分量进行重构;其次,选取时间卷积网络(Temporal Convolutional Network,TCN)作为负荷数据特征预提取模块、长短期记忆网络(Long Short-Term Memory,LSTM)作为预测模块,构建TCN-LSTM组合预测模型;最后,通过算例对模型提高预测精度的可行性进行了验证,结果表明所提模型的平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为38.296 WM、30.929 WM、0.472%,与传统模型相比,预测误差更小。 展开更多
关键词 负荷预测 互补集合经验模态分解 时间卷积网络 长短期记忆网络 样本熵
在线阅读 下载PDF
基于频率分解与LSTM网络模型的隧道施工期瓦斯浓度预测 被引量：4
18
作者 张丹锋 《公路交通技术》 2023年第5期169-176,共8页
针对隧道现场瓦斯数据具有非线性、非平稳性、复杂性特点,提出一种基于互补集合经验模态分解(CEEMD)与长短期记忆网络(LSTM)组合模型的隧道瓦斯浓度预测方法。该方法采用CEEMD将瓦斯浓度数据分解为具有不同特征的子序列分量IMF,通过对... 针对隧道现场瓦斯数据具有非线性、非平稳性、复杂性特点,提出一种基于互补集合经验模态分解(CEEMD)与长短期记忆网络(LSTM)组合模型的隧道瓦斯浓度预测方法。该方法采用CEEMD将瓦斯浓度数据分解为具有不同特征的子序列分量IMF,通过对分解后的各子序列分别建立LSTM网络模型进行单步预测,并进一步叠加各子序列预测结果得到隧道瓦斯浓度最终预测值。结果表明:CEEMD-LSTM的均方根误差(RMSE)和平均绝对误差(MAE)值分别为0.023 4和0.017 3,相较多层感知器(MLP)、支持向量回归(SVR)、门控循环单元(GRU)、长短期记忆网络(LSTM)等预测模型具有更高的准确性;该方法可为精确预测开挖隧道内瓦斯浓度提供理论依据,可供预防隧道瓦斯事故发生和保障隧道安全施工参考。 展开更多
关键词 瓦斯隧道 互补集合经验模态分解 长短期记忆网路 瓦斯预测
在线阅读 下载PDF
基于CEEMD和统计参数的斜拉桥损伤识别方法研究 被引量：1
19
作者 刘杰 丁雪 +2 位作者 刘庆宽 王海龙 卜建清 《振动与冲击》 EI CSCD 北大核心 2024年第19期326-336,共11页
为解决仅使用互补集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法的斜拉桥信号分解存在含噪固有模态函数(intrinsic mode function,IMF)分量且不能进行损伤定量的问题,提出了一种基于CEEMD与统计参... 为解决仅使用互补集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法的斜拉桥信号分解存在含噪固有模态函数(intrinsic mode function,IMF)分量且不能进行损伤定量的问题,提出了一种基于CEEMD与统计参数方法相结合的斜拉桥损伤识别方法。该方法基于CEEMD方法对斜拉桥动力响应信号进行自适应性分解,确定适用的白噪声幅值标准差并推导CEEMD方法的集成次数,得到各阶IMF分量;采用欧氏距离对分解的IMF分量进行谱系聚类分析以避免模态混叠现象;采用峰度统计参数的有效权重峰度指标方法滤除含噪IMF分量,提取有效IMF分量并重构为有效IMF分量和;利用变异系数统计参数、二阶中心差分法和泰勒展开式推导损伤定位指标,根据四阶统计矩峰度统计参数推导损伤定量指标。用所提方法对某斜拉桥进行损伤识别研究,结果表明:仿真分析的损伤定位识别精度为100%,损伤定量最大误差为1.80%;在高斯白噪声干扰下,损伤定位不受影响,损伤定量最大误差为1.88%;进行实桥的损伤识别,结果表明实桥主梁无损伤。 展开更多
关键词 斜拉桥 损伤识别方法 互补集成经验模态分解(CEEMD) 统计参数 损伤定量 噪声干扰
在线阅读 下载PDF
CEEMD-FastICA-CWT联合瞬态响应阶次的电驱总成噪声源识别 被引量：2
20
作者 张威 景国玺 +2 位作者 武一民 杨征睿 高辉 《中国测试》 CAS 北大核心 2024年第4期144-152,共9页
以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastI... 以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastICA)方法提取纯电模式稳态工况下单一通道噪声信号特征,利用复Morlet小波变换及FFT对各分量信号时频特性进行识别。其次,采用阶次分析法和声能叠加法对稳态分量信号对应的各瞬态响应阶次能量进行对比分析,并结合皮尔逊积矩相关系数(Pearson product moment correlation coefficient,PPMCC)相似性识别确定不同噪声激励源贡献度。结果表明:减速齿副啮合噪声对该增程式电驱总成纯电模式运行噪声整体贡献度最大。 展开更多
关键词 电驱动总成 噪声源识别 互补集合经验模态分解 快速独立分量分析 连续小波变换 阶次分析
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 … 4 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