检索结果-维普期刊中文期刊服务平台

基于最优变分模态分解的渭河流域多步径流预报被引量：1: 1; 作者邱绪迪王坤 +2 位作者陈飞相里宇锡王斌《人民长江》北大核心 2024年第8期79-86,95,共9页; 针对渭河流域月径流序列的非平稳性日益加剧而难以对其进行精准预测的问题,提出了一种基于最优变分模态分解(OVMD)、随机配置网络(SCN)和递归多步预测策略的月径流序列多步预测模型。首先,利用OVMD将径流数据投影到不同频率的子序列中;... 展开更多; 关键词径流预报最优变分模态分解随机配置网络递归多步预测渭河流域; 在线阅读下载PDF 职称材料

基于混合变分模态分解模型的短期风速预测被引量：2: 2; 作者吴小涛袁晓辉 +1 位作者袁艳斌张东寅《水电能源科学》北大核心 2019年第1期195-198,共4页; 针对风速时间序列不稳定导致其难以准确预测的问题,提出一种基于最优变分模态分解(OVMD)和蝙蝠算法(BA)优化最小二乘支持向量机(LSSVM)的短期风速预测模型。采用OVMD技术,将原始风速时间序列先分解为若干个相对稳定的分量序列,然后对各... 展开更多; 关键词风速预测最优变分模态分解蝙蝠算法最小二乘支持向量机; 在线阅读下载PDF 职称材料

基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测被引量：4: 3; 作者张楠朱永奇 +2 位作者孙娜赖昕杰李超顺《水电能源科学》北大核心 2023年第10期204-207,199,共5页; 针对已有水电机组振动趋势预测模型的局限性,提出了一种基于最优变分模态分解(OVMD)、时变滤波器经验模态分解(TVFEMD)、猎人猎物优化算法(HPO)和极限学习机(ELM)的水电机组振动趋势预测方法。该方法先通过OVMD对原始水电机组振动信号... 展开更多; 关键词水电机组振动趋势预测最优变分模态分解二次分解极限学习机优化算法; 在线阅读下载PDF 职称材料

基于OVMD与SVR的水电机组振动趋势预测被引量：21: 4; 作者付文龙周建中 +1 位作者张勇传郑阳《振动与冲击》 EI CSCD 北大核心 2016年第8期36-40,共5页; 为更好地预测水电机组振动趋势,研究提出了一种基于最优变分模态分解(OVMD)与支持向量回归(SVR)的水电机组振动趋势预测模型。首先基于中心频率观察法与残差指标最小化准则确定OVMD的分解参数,采用OVMD将非平稳振动序列分解为一系列模... 展开更多; 关键词最优变分模态分解相空间重构支持向量回归非平稳振动趋势预测; 在线阅读下载PDF 职称材料

题名基于最优变分模态分解的渭河流域多步径流预报被引量：1: 1; 作者邱绪迪王坤陈飞相里宇锡王斌; 机构西北农林科技大学水利与建筑工程学院武汉大学水资源工程与调度全国重点实验室; 出处《人民长江》北大核心 2024年第8期79-86,95,共9页; 基金国家自然科学基金项目(51509210) 陕西省重点研发计划项目(2021NY-181)。; 文摘针对渭河流域月径流序列的非平稳性日益加剧而难以对其进行精准预测的问题,提出了一种基于最优变分模态分解(OVMD)、随机配置网络(SCN)和递归多步预测策略的月径流序列多步预测模型。首先,利用OVMD将径流数据投影到不同频率的子序列中;然后通过SCN对每个分解部分进行预测,叠加得到单步预测结果;最后通过递归多步预测方法对未来较长时间的径流数据进行预测,得到多步预测结果。选取渭河流域华县水文站和咸阳水文站1970~2019年的实测月径流时间序列进行实例分析,并与其他常用模型进行对比,选取均方根误差RMSE、平均绝对误差MAE、平均绝对百分比误差MAPE以及纳什效率系数NSE对预测结果进行评价。研究结果表明:在华县水文站和咸阳水文站的单步预测试验中,OVMD-SCN模型的NSE分别达98.15%和98.52%,显著高于其他流行模型;在两个水文站的多步预测试验中,OVMD-SCN的各项评价指标均优于其他流行模型,表明所提方法可以精准预测5个月后的径流量。研究成果可为渭河流域的月径流精准预测提供技术支持。; 关键词径流预报最优变分模态分解随机配置网络递归多步预测渭河流域; Keywords runoff forecast optimal variational mode decomposition randomly configuring network recursive multi-step prediction Weihe River Basin; 分类号 P338 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名基于混合变分模态分解模型的短期风速预测被引量：2: 2; 作者吴小涛袁晓辉袁艳斌张东寅; 机构黄冈师范学院数学与统计学院华中科技大学水电与数字化工程学院武汉理工大学资源与环境学院国网湖北省电力有限公司经济技术研究院; 出处《水电能源科学》北大核心 2019年第1期195-198,共4页; 基金国家自然科学基金项目(41571514) 黄冈师范学院博士基金项目(201828603) 中央高校基本科研业务费专项资金资助项目(2017KFYXJJ204); 文摘针对风速时间序列不稳定导致其难以准确预测的问题,提出一种基于最优变分模态分解(OVMD)和蝙蝠算法(BA)优化最小二乘支持向量机(LSSVM)的短期风速预测模型。采用OVMD技术,将原始风速时间序列先分解为若干个相对稳定的分量序列,然后对各个分量分别建立LSSVM模型进行预测,并采用蝙蝠算法优化LSSVM中的参数,最后对优化的分量预测模型的预测值求和,即得到原始风速序列的预测值。算例分析表明,该模型具有较高的预测精度,能有效跟踪风速的变化规律。研究成果为短期风速预测提供了新思路。; 关键词风速预测最优变分模态分解蝙蝠算法最小二乘支持向量机; Keywords wind speed prediction optimal variational mode decomposition bat algorithm least squares support vector machine; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测被引量：4: 3; 作者张楠朱永奇孙娜赖昕杰李超顺; 机构淮阴工学院江苏省先进制造技术重点实验室淮阴工学院自动化学院中国电建集团华东勘测设计研究院有限公司华中科技大学土木与水利工程学院; 出处《水电能源科学》北大核心 2023年第10期204-207,199,共5页; 基金江苏省自然科学基金项目(BK20201069) 江苏省高校自然科学基金面上项目(20KJD480003) 江苏省双创计划(JSSCBS(2020)31038)。; 文摘针对已有水电机组振动趋势预测模型的局限性,提出了一种基于最优变分模态分解(OVMD)、时变滤波器经验模态分解(TVFEMD)、猎人猎物优化算法(HPO)和极限学习机(ELM)的水电机组振动趋势预测方法。该方法先通过OVMD对原始水电机组振动信号进行自适应分解,进一步采用TVFEND对分解后的残差进行二次分解。然后建立各子序列的HPO-ELM振动趋势预测模型;叠加重构所有子序列预测结果获得最终的预测振动信号。研究结果表明,该方法预测效果明显优于传统方法,有效提高了水电机组振动趋势预测精度,具有较好的工程应用价值。; 关键词水电机组振动趋势预测最优变分模态分解二次分解极限学习机优化算法; Keywords vibration trend prediction of hydropower unit OVMD secondary decomposition ELM optimization algorithm; 分类号 TV136 [水利工程—水力学及河流动力学]; 在线阅读下载PDF 职称材料

题名基于OVMD与SVR的水电机组振动趋势预测被引量：21: 4; 作者付文龙周建中张勇传郑阳; 机构华中科技大学水电与数字化工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2016年第8期36-40,共5页; 基金国家自然科学基金(51579107 51079057 51239004); 文摘为更好地预测水电机组振动趋势,研究提出了一种基于最优变分模态分解(OVMD)与支持向量回归(SVR)的水电机组振动趋势预测模型。首先基于中心频率观察法与残差指标最小化准则确定OVMD的分解参数,采用OVMD将非平稳振动序列分解为一系列模态函数,并对各模态函数分别进行相空间重构,构建状态矩阵,进而得到SVR回归预测模型的输入、输出,再采用交叉验证的网格搜索策略优化各SVR模型的参数,并分别进行回归预测,最后对所有SVR预测结果进行求和,得到原始振动趋势的预测值。研究对某大型混流式水电机组的振动监测数据进行预测试验,并进行对比分析,结果表明该模型可有效预测水电机组振动趋势。; 关键词最优变分模态分解相空间重构支持向量回归非平稳振动趋势预测; Keywords optimal variational mode decomposition （OVMD） phase-space reconstruction support-vector regression （SVR） non-stationary vibration-trend prediction; 分类号 TM312 [电气工程—电机]; 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	基于最优变分模态分解的渭河流域多步径流预报	邱绪迪王坤陈飞相里宇锡王斌	《人民长江》北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于混合变分模态分解模型的短期风速预测	吴小涛袁晓辉袁艳斌张东寅	《水电能源科学》北大核心	2019	2	在线阅读下载PDF 职称材料
3	基于OVMD-TVFEMD二次分解和HPO-ELM的水电机组振动趋势预测	张楠朱永奇孙娜赖昕杰李超顺	《水电能源科学》北大核心	2023	4	在线阅读下载PDF 职称材料
4	基于OVMD与SVR的水电机组振动趋势预测	付文龙周建中张勇传郑阳	《振动与冲击》 EI CSCD 北大核心	2016	21	在线阅读下载PDF 职称材料