期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于混沌多目标蚁狮优化算法和核极限学习机的冲击性负荷预测模型
被引量：
2
1
作者
黄裕春
贾巍
+3 位作者
雷才嘉
方兵华
刘涌
李洋洋
《现代电力》
北大核心
2023年第6期1043-1051,共9页
针对冲击性负荷预测问题,提出了一种基于混沌多目标蚁狮优化算法(chaotic multi-objective antlion optimization algorithm,CMOALO)和核极限学习机(kernel extreme learning machine,KELM)的冲击性负荷预测模型。首先,为了降低预测难度...
针对冲击性负荷预测问题,提出了一种基于混沌多目标蚁狮优化算法(chaotic multi-objective antlion optimization algorithm,CMOALO)和核极限学习机(kernel extreme learning machine,KELM)的冲击性负荷预测模型。首先,为了降低预测难度,使用集合经验模式分解(ensemble empirical mode decomposition,EEMD)将原始冲击性负荷分解为一系列更为平稳的子序列。为了同时提升模型的预测精度和稳定性,提出了一种MOALO;其次,为进一步提高算法的解搜索能力,将MOALO与混沌运算融合,提出了CMOALO算法,将其用于优化KELM。最后通过某地区真实采集的冲击性负荷数据对所提出的EEMD-CMOALOKELM模型进行验证。通过案例分析可知,所提出的冲击性负荷预测模型,无论是在预测精度还是预测稳定性方面,性能最好。
展开更多
关键词
冲击性负荷预测
集合经验模式分解
混沌
多目标蚁狮优化算法
核极限学习机
在线阅读
下载PDF
职称材料
微震震源定位中的多目标计算方法研究与应用
2
作者
陈国庆
庞聪
+2 位作者
宋莹莹
彭海洋
李忠亚
《大地测量与地球动力学》
北大核心
2025年第7期688-694,共7页
通过引入第二代和第三代非支配排序遗传算法(NSGA-Ⅱ、NSGA-Ⅲ)、多目标蝗虫优化算法(MOGOA)、多目标灰狼优化算法(MOGWO)、多目标蚁狮优化算法(MOALO)、基于分解的多目标进化算法(MOEA/D)等6种多目标智能计算方法,利用2个不同的经典微...
通过引入第二代和第三代非支配排序遗传算法(NSGA-Ⅱ、NSGA-Ⅲ)、多目标蝗虫优化算法(MOGOA)、多目标灰狼优化算法(MOGWO)、多目标蚁狮优化算法(MOALO)、基于分解的多目标进化算法(MOEA/D)等6种多目标智能计算方法,利用2个不同的经典微震震源反演数学模型设计多目标定位优化函数,在深部开采矿井微震事件数据和人工仿真实验数据对比测试基础上,探索和分析6种多目标定位算法的真实效能与可靠性。结果表明,6种多目标定位模型性能不一,MOALO基于多面体台阵仿真的100轮微震震源定位误差均值可达到1.2425 m,NSGA-Ⅱ基于深部开采矿井的微震震源定位误差均值为162.5691 m,MOGOA基于柿竹园矿微震事件的模型鲁棒性优于MOALO。综合考虑定位精度和模型可靠性等多个性能指标认为,MOGOA具有较强的工程物探和微震监测应用前景。
展开更多
关键词
微震震源定位
多目标
智能计算
多目标
进化分解
算法
非支配排序遗传
算法
多目标蚁狮优化算法
多目标
蝗虫
优化
算法
多目标
灰狼
优化
算法
在线阅读
下载PDF
职称材料
题名
基于混沌多目标蚁狮优化算法和核极限学习机的冲击性负荷预测模型
被引量：
2
1
作者
黄裕春
贾巍
雷才嘉
方兵华
刘涌
李洋洋
机构
广东电网有限责任公司广州供电局
上海博英信息科技有限公司
出处
《现代电力》
北大核心
2023年第6期1043-1051,共9页
基金
中国南方电网有限责任公司科技研发项目(GZHKJXM20180011)
文摘
针对冲击性负荷预测问题,提出了一种基于混沌多目标蚁狮优化算法(chaotic multi-objective antlion optimization algorithm,CMOALO)和核极限学习机(kernel extreme learning machine,KELM)的冲击性负荷预测模型。首先,为了降低预测难度,使用集合经验模式分解(ensemble empirical mode decomposition,EEMD)将原始冲击性负荷分解为一系列更为平稳的子序列。为了同时提升模型的预测精度和稳定性,提出了一种MOALO;其次,为进一步提高算法的解搜索能力,将MOALO与混沌运算融合,提出了CMOALO算法,将其用于优化KELM。最后通过某地区真实采集的冲击性负荷数据对所提出的EEMD-CMOALOKELM模型进行验证。通过案例分析可知,所提出的冲击性负荷预测模型,无论是在预测精度还是预测稳定性方面,性能最好。
关键词
冲击性负荷预测
集合经验模式分解
混沌
多目标蚁狮优化算法
核极限学习机
Keywords
impact load forecasting
ensemble empirical mode decomposition
chaotic multi-objective antlion optimization algorithm
kernel extreme learning machine
分类号
TM715 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
微震震源定位中的多目标计算方法研究与应用
2
作者
陈国庆
庞聪
宋莹莹
彭海洋
李忠亚
机构
成都锦城学院数学建模研究中心
中国地震局地震研究所
武汉引力与固体潮国家野外科学观测研究站
广州理工学院计算机科学与工程学院
闽南师范大学数学与统计学院
出处
《大地测量与地球动力学》
北大核心
2025年第7期688-694,共7页
基金
四川省科技厅软科学项目(2023JDR0271)
广东省哲社学科共建项目(GD24XGL031)
+2 种基金
中国地震局地震研究所和应急管理部国家自然灾害防治研究院基本科研业务费(IS202236328)
武汉引力与固体潮国家野外科学观测研究站开放基金(WHYWZ202406)
中国地震局地震科技星火计划(XH24025YC)。
文摘
通过引入第二代和第三代非支配排序遗传算法(NSGA-Ⅱ、NSGA-Ⅲ)、多目标蝗虫优化算法(MOGOA)、多目标灰狼优化算法(MOGWO)、多目标蚁狮优化算法(MOALO)、基于分解的多目标进化算法(MOEA/D)等6种多目标智能计算方法,利用2个不同的经典微震震源反演数学模型设计多目标定位优化函数,在深部开采矿井微震事件数据和人工仿真实验数据对比测试基础上,探索和分析6种多目标定位算法的真实效能与可靠性。结果表明,6种多目标定位模型性能不一,MOALO基于多面体台阵仿真的100轮微震震源定位误差均值可达到1.2425 m,NSGA-Ⅱ基于深部开采矿井的微震震源定位误差均值为162.5691 m,MOGOA基于柿竹园矿微震事件的模型鲁棒性优于MOALO。综合考虑定位精度和模型可靠性等多个性能指标认为,MOGOA具有较强的工程物探和微震监测应用前景。
关键词
微震震源定位
多目标
智能计算
多目标
进化分解
算法
非支配排序遗传
算法
多目标蚁狮优化算法
多目标
蝗虫
优化
算法
多目标
灰狼
优化
算法
Keywords
microseismic source localization
multi-objective intelligent computation
MOEA/D
NSGA
MOALO
MOGOA
MOGWO
分类号
P315 [天文地球—地震学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于混沌多目标蚁狮优化算法和核极限学习机的冲击性负荷预测模型
黄裕春
贾巍
雷才嘉
方兵华
刘涌
李洋洋
《现代电力》
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
微震震源定位中的多目标计算方法研究与应用
陈国庆
庞聪
宋莹莹
彭海洋
李忠亚
《大地测量与地球动力学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
