坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测。基于聚类模态分解(EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机(IPSO LSSVM)方法,提出一种名为EEMD SE IPSO LSSVM的坝肩边坡变形预测模型。首先...坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测。基于聚类模态分解(EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机(IPSO LSSVM)方法,提出一种名为EEMD SE IPSO LSSVM的坝肩边坡变形预测模型。首先,利用EEMD将原始坝肩边坡变形时间序列分解为若干个不同复杂度的子序列,并基于SE判定各子序列的复杂度,将相近的子序列进行合并重组以减少计算规模;然后,分别对各重组子序列建立IPSO LSSVM预测模型;最后,将各预测分量进行叠加重构,得到最终的大坝变形预测值。以澜沧江苗尾水电站左岸坝肩边坡为例,将BPNN、RBFNN、LSSVM、EEMD SE LSSVM与EEMD SE PSO LSSVM进行对比研究。结果表明,该模型的计算精度优于其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的坝肩边坡变形预测方法,能够为大坝安全监测提供有价值的参考。展开更多
为使新建输电线路下方的工频电磁环境最优或者满足预设要求,促进"绿色和谐"超/特高压电网的发展,提出了一种基于改进型粒子群算法的线路结构设计优化策略。该优化策略中有4个关键点需要特别指出。其一,利用线路下方某区域中...为使新建输电线路下方的工频电磁环境最优或者满足预设要求,促进"绿色和谐"超/特高压电网的发展,提出了一种基于改进型粒子群算法的线路结构设计优化策略。该优化策略中有4个关键点需要特别指出。其一,利用线路下方某区域中的工频电场强度和磁感应强度、以及其它相关影响因素构建适应度函数。其二,根据线路绝缘要求设置相导线空间位置的约束条件。其三,根据电磁环保要求设置终止条件。其四,采用自适应调整惯性权重技术改善粒子群算法的性能。通过迭代搜寻适应度函数全局最优解从而确定传输线的最优结构位置。对500 k V紧凑型线路、1 000 k V特高压线路交叉跨越500 k V线路两个算例进行了仿真分析,验证了该方法的有效性。研究结果表明所提出的方法适用于各种高压输电线路结构,具有全局搜索能力强、收敛速度快、精度高等优点。展开更多
文摘坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测。基于聚类模态分解(EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机(IPSO LSSVM)方法,提出一种名为EEMD SE IPSO LSSVM的坝肩边坡变形预测模型。首先,利用EEMD将原始坝肩边坡变形时间序列分解为若干个不同复杂度的子序列,并基于SE判定各子序列的复杂度,将相近的子序列进行合并重组以减少计算规模;然后,分别对各重组子序列建立IPSO LSSVM预测模型;最后,将各预测分量进行叠加重构,得到最终的大坝变形预测值。以澜沧江苗尾水电站左岸坝肩边坡为例,将BPNN、RBFNN、LSSVM、EEMD SE LSSVM与EEMD SE PSO LSSVM进行对比研究。结果表明,该模型的计算精度优于其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的坝肩边坡变形预测方法,能够为大坝安全监测提供有价值的参考。
文摘为使新建输电线路下方的工频电磁环境最优或者满足预设要求,促进"绿色和谐"超/特高压电网的发展,提出了一种基于改进型粒子群算法的线路结构设计优化策略。该优化策略中有4个关键点需要特别指出。其一,利用线路下方某区域中的工频电场强度和磁感应强度、以及其它相关影响因素构建适应度函数。其二,根据线路绝缘要求设置相导线空间位置的约束条件。其三,根据电磁环保要求设置终止条件。其四,采用自适应调整惯性权重技术改善粒子群算法的性能。通过迭代搜寻适应度函数全局最优解从而确定传输线的最优结构位置。对500 k V紧凑型线路、1 000 k V特高压线路交叉跨越500 k V线路两个算例进行了仿真分析,验证了该方法的有效性。研究结果表明所提出的方法适用于各种高压输电线路结构,具有全局搜索能力强、收敛速度快、精度高等优点。
