期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于Kmeans-EMD与IWOA-Elman的碾压速度异常值检测与修正 被引量:1
1
作者 乔天诚 佟大威 +2 位作者 王佳俊 关涛 吴斌平 《水资源与水工程学报》 CSCD 北大核心 2022年第3期124-131,共8页
碾压速度是评价压实质量的重要指标,但在监控过程中,碾压速度易受施工环境、定位漂移等干扰而出现异常检测值,影响压实质量的评价精度,但目前还缺乏对碾压速度异常值检测与修正的相关方法研究。为保障碾压速度的数据质量,结合碾压速度... 碾压速度是评价压实质量的重要指标,但在监控过程中,碾压速度易受施工环境、定位漂移等干扰而出现异常检测值,影响压实质量的评价精度,但目前还缺乏对碾压速度异常值检测与修正的相关方法研究。为保障碾压速度的数据质量,结合碾压速度的时序变化特征,利用Kmeans算法初步定性检测异常值,弱化异常值对经验模态分解(EMD)结果的影响,并基于EMD实现对异常值的精细定量检测,提高异常值检测的精度;进而利用经混沌种群初始化、非线性收敛因子、自适应惯性权重与鲶鱼效应-黄金正弦改进的鲸鱼优化算法(IWOA)优化Elman神经网络,并构建碾压速度异常值修正模型,实现对碾压速度异常值的修正。将本文方法应用于西南某大型水电工程,结果表明:Kmeans算法与EMD的联合作用相比箱线图法可更高精度地检测碾压速度中的异常值;IWOA-Elman神经网络预测值与真实值的相关系数达到0.907 75,相比常规模型不仅可以更好地确保数据的完整性与可靠性,还可以为压实质量的高精度评价奠定良好的数据基础。 展开更多
关键词 碾压速度 异常检测 Kmeans算法 经验模态分解 异常值修正 IWOA-Elman神经网络
在线阅读 下载PDF
基于改进TS模糊的直流电弧炉闪变抑制优化
2
作者 朱明星 许路遥 高敏 《电力工程技术》 北大核心 2024年第4期136-146,共11页
为提高静止无功补偿器(static var compensator,SVC)应对直流电弧炉等冲击性负载的闪变抑制性能,文中在改进Takagi-Sugeno(TS)模糊算法的基础上,提出一种SVC滚动预测控制方法。首先,建立直流电弧炉电气模型并仿真分析其无功特性;然后,... 为提高静止无功补偿器(static var compensator,SVC)应对直流电弧炉等冲击性负载的闪变抑制性能,文中在改进Takagi-Sugeno(TS)模糊算法的基础上,提出一种SVC滚动预测控制方法。首先,建立直流电弧炉电气模型并仿真分析其无功特性;然后,针对经典TS模糊预测算法应用于波动负荷时出现的输出异常置0情况,提出一种范围自适应修正的改进方法,该方法能消除一类算法应用机理导致的异常值,从而提高TS模糊算法对波动负荷无功功率预测的可靠性和准确性;最后,基于模型训练时间约束,建立无功功率半周期滚动预测控制模型,提前10 ms预测无功功率,改善了SVC传统控制系统响应的滞后特性。仿真结果表明,相比于SVC传统控制方法,所提方法的平均闪变改善率提高了54.17%,验证了所提方法对闪变现象的抑制效果提升显著。 展开更多
关键词 Takagi-Sugeno(TS)模糊算法 直流电弧炉 静止无功补偿器(SVC) 预测控制 异常值修正 闪变抑制
在线阅读 下载PDF
基于高斯过程回归和粒子滤波的短期风速预测 被引量:12
3
作者 梁智 孙国强 +3 位作者 俞娜燕 倪晓宇 沈海平 卫志农 《太阳能学报》 EI CAS CSCD 北大核心 2020年第3期45-51,共7页
建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行... 建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行分析,并根据"3σ"原则判断异常值。其次,修正异常值,并对修正后的风速序列重新建立高斯过程回归预测模型。在进行提前15分钟风速预测时,同样采用粒子滤波算法对最新量测值进行状态估计,实现了异常值在线检测并修正。算例分析结果表明,粒子滤波算法能够有效检测出异常风速值,降低了风速预测误差,提前15分钟风速预测时平均绝对百分比误差和均方根误差分别降至8.92%和0.5826 m/s。 展开更多
关键词 高斯过程回归 粒子滤波 异常检测与修正 短期风速预测
在线阅读 下载PDF
基于D-S证据理论的智能温室环境控制决策融合方法 被引量:17
4
作者 孙力帆 张雅媛 +2 位作者 郑国强 冀保峰 何子述 《农业机械学报》 EI CAS CSCD 北大核心 2018年第1期268-275,共8页
在无线传感器网络下的智能温室环境控制系统中,农作物的生长通常受多种环境因子共同作用。根据温室环境控制系统的实际需求建立基于Dempster-Shafer(D-S)证据理论的决策框架,并提出了一种数据预处理和决策融合方法。首先,使用箱线图检... 在无线传感器网络下的智能温室环境控制系统中,农作物的生长通常受多种环境因子共同作用。根据温室环境控制系统的实际需求建立基于Dempster-Shafer(D-S)证据理论的决策框架,并提出了一种数据预处理和决策融合方法。首先,使用箱线图检测量测数据中的异常值,考虑到现有直接剔除异常数据处理方法的弊端,提出了一种异常数据自适应修正方法;然后,利用加权平均距离聚类处理更新后的数据;最后,根据所提出的基于加权相似度的基本概率分配方法结合D-S证据理论进行融合,为温室环境控制做出正确决策。实验结果表明,箱线图检测异常数据更为准确,其检测率比狄克逊准则高近19.2%,对于不确定性融合结果,本文提出的基于加权相似度的基本概率分配方法相比现有方法降低了1~2个数量级,不仅可以提高温室环境参数融合精度,加快收敛速度,同时还能有效地降低决策风险。 展开更多
关键词 温室环境控制 决策融合 D-S证据理论 异常自适应修正 聚类分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部