基于麻雀搜索算法优化的深度极限学习向量机和感知阵列的毒害气体泄露检测方法研究

1

作者 董华青 汤旭翔 孟实 《传感技术学报》 北大核心 2025年第5期937-942,共6页

实验室是高校师生从事实践活动的重要场所,近年来高校实验室安全事故频发,因此实验室安全问题至关重要。将多个气体传感器构建的感知阵列布置在实验室中,获取环境中气体检测信息。并采用非线性方法实现对感知信号的预调理,并采用支持向... 实验室是高校师生从事实践活动的重要场所,近年来高校实验室安全事故频发,因此实验室安全问题至关重要。将多个气体传感器构建的感知阵列布置在实验室中,获取环境中气体检测信息。并采用非线性方法实现对感知信号的预调理,并采用支持向量机(SVM)算法、相关向量机(RVM)算法、K-近邻(KNN)算法、深度极限学习向量机(DELM)、麻雀搜索算法优化的深度极限学习向量机(SSA-DELM)算法建立四种不同的实验室气体泄露分类模型。研究结果证明麻雀搜索算法优化的深度极限学习向量机(SSA-DELM)算法损伤检测准确率为95%,针对实验室毒害气体泄露的预报率最高。所提出的方法具有较好的预报精度,为实验室毒害气体泄露检测提供一种新思路。 展开更多

关键词 毒害气体 实验室 感知阵列 深度极限学习 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于深度极限学习机的暂态稳定预防控制方法

2

作者 刘颂凯 曾羽聪 +5 位作者 张磊 李彦彰 王秋杰 刘龙成 陈萍 赵文博 《广西师范大学学报(自然科学版)》 北大核心 2025年第5期64-74,共11页

在电力系统暂态稳定预防控制中时域仿真计算复杂,同时系统存在样本不平衡问题,影响机器学习模型的性能。针对上述问题,本文提出一种基于深度极限学习机(deep extreme learning machine,DELM)的暂态稳定预防控制方法。首先采用过采样技... 在电力系统暂态稳定预防控制中时域仿真计算复杂,同时系统存在样本不平衡问题,影响机器学习模型的性能。针对上述问题,本文提出一种基于深度极限学习机(deep extreme learning machine,DELM)的暂态稳定预防控制方法。首先采用过采样技术处理样本不平衡;然后利用DELM发现平衡数据集的潜在信息,建立电力系统运行特征和暂态稳定指标之间的映射模型,在预防控制中引入基于DELM的暂态稳定预测模型来代替暂态稳定约束最优潮流(transient stability constrained optimal power flow,TSCOPF)模型中含微分代数方程的暂态稳定约束,减少计算复杂度,并采用萤火虫算法对模型进行求解,获取最终策略;最后在IEEE 39节点系统进行仿真验证。结果表明,在预防故障发生时,本文所提的预防控制方法能够以2042美元的优化调整成本实现系统暂态稳定性的提高,将暂态失稳的情况调节为稳定,且采用的萤火虫算法求解的计算时间可以控制在20 s以内,表明本文提出的基于DELM暂态稳定预防控制方法能够有效提升系统的暂态稳定性,且在具有较快的计算速度的同时具有良好的经济性。 展开更多

关键词 暂态稳定 预防控制 最优潮流 样本不平衡 深度极限学习机 萤火虫算法

在线阅读 下载PDF 职称材料

基于灰狼算法优化深度极限学习机的钢轨热处理性能预测模型

3

作者 蔡里批 李硕 丁敬国 《材料与冶金学报》 北大核心 2025年第2期162-170,共9页

为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learn... 为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learning machine,GWO-DELM)的钢轨热处理性能预测模型.先采用深度极限学习机(DELM)构建出工艺模型,而后,针对深度极限学习机中初始权值随机确定而引起的预测结果准确度较低的问题,利用灰狼优化算法(GWO)对初始权值进一步确定.结果表明:该模型在预测不同规格钢轨的抗拉强度时,95.80%以上样本点的预测误差集中在-20~20 MPa,在预测踏面布氏硬度时,95.73%以上样本点的预测误差集中在-8~8;与传统模型相比,GWO-DELM具有更优异的预测精度及泛化能力,可应用在热轧钢轨风冷处理的性能预测上,为热处理参数的选择提供参考. 展开更多

关键词 钢轨热处理 灰狼优化算法 深度极限学习机 性能参数预测

在线阅读 下载PDF 职称材料

基于改进深度极限学习机的光伏扩容用户识别方法 被引量：1

4

作者 汤渊 吴裕宙 +2 位作者 苏盛 刘韵艺 王耀龙 《电力系统及其自动化学报》 CSCD 北大核心 2024年第5期59-68,共10页

为准确识别违规的分布式光伏扩容骗补用户,提出一种基于改进深度极限学习机的光伏扩容用户识别方法。首先利用同地区光伏发电出力具有相似性的特点,通过余弦相似度对参考电站和待测站点进行预处理;然后应用麻雀搜索算法SSA(sparrow sear... 为准确识别违规的分布式光伏扩容骗补用户,提出一种基于改进深度极限学习机的光伏扩容用户识别方法。首先利用同地区光伏发电出力具有相似性的特点,通过余弦相似度对参考电站和待测站点进行预处理;然后应用麻雀搜索算法SSA(sparrow search algorithm)对深度极限学习机DELM(deep extreme learning machine)的权值参数优化,用预处理的数据集训练SSA-DELM拟合模型,并根据光伏扩容的特性计算扩容系数。实验结果验证了所提方法对分布式光伏违规扩容用户识别的有效性。 展开更多

关键词 分布式光伏 违规扩容 深度极限学习机 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于蜣螂算法优化深度极限学习机的中介轴承故障诊断方法 被引量：1

5

作者 栾孝驰 汤捷中 沙云东 《振动与冲击》 EI CSCD 北大核心 2024年第21期96-106,127,共12页

针对中介轴承故障信号传递路径复杂、受背景噪声干扰大、故障特征提取难,且传统诊断模型准确率受限于测点位置的问题,提出了一种基于自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,C... 针对中介轴承故障信号传递路径复杂、受背景噪声干扰大、故障特征提取难,且传统诊断模型准确率受限于测点位置的问题,提出了一种基于自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与蜣螂算法(dung beetle optimizer,DBO)优化深度极限学习机(deep extreme learning machine,DELM)结合的中介轴承故障诊断方法。首先,使用CEEMDAN和由能量比-相关系数-峭度值组成的固有模态分量筛选准则对原始信号进行分解、筛选、重构,在重构信号的时域与频域中提取特征组成特征矩阵;其次,将诊断准确率作为DBO的适应度值,对DELM模型的初始权重进行优化构建出全新的DELM;最后,将特征矩阵输入DELM完成故障诊断。以中介轴承故障数据为例,经DBO优化后的DELM诊断准确率取得了较大提升,在诊断较为困难的45°方向上诊断准确率仍达到了98.75%。结果表明,该诊断方法有效识别了中介轴承故障类型,展现了较强的鲁棒性与泛化能力。 展开更多

关键词 中介轴承 故障诊断 模态分解 蜣螂算法(DBO) 深度极限学习机(DELM)

在线阅读 下载PDF 职称材料

蚁群优化算法协同深度极限学习机的热连轧宽度预测模型

6

作者 李嘉林 高杰 丁敬国 《材料与冶金学报》 CAS 北大核心 2024年第5期497-504,共8页

热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ant colony optimization deep extreme learning machine,ACO-DELM)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于DELM... 热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ant colony optimization deep extreme learning machine,ACO-DELM)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于DELM网络中,以提高其预测精度和泛化能力.先利用数据预处理方法对原始数据进行异常值的剔除和数据归一化.然后,使用蚁群优化算法对DELM的隐藏层节点数、迭代次数进行优化,在隐藏层节点数达到95个、迭代次数为480次时,DELM模型的预测性能最佳,其在预测不同规格带钢平均宽度时,决定系数R^(2)达到0.9989,97.98%的样本点预测误差分布在-7~7 mm.应用结果表明,与传统的深度极限学习机(DELM)、卷积神经网络(CNN)等模型相比,ACO-DELM模型在预测精度和泛化能力上有明显的提升,可有效应用于热轧带钢的平均宽度预测. 展开更多

关键词 热连轧 蚁群优化算法 深度极限学习机 宽度预测

在线阅读 下载PDF 职称材料

一种基于逐次变分模态分解和改进深度极限学习机的滚动轴承故障分类方法 被引量：1

7

作者 丁国荣 《农业装备与车辆工程》 2024年第10期129-134,共6页

为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度... 为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度分解,得到一系列固有模态分量(IMFs);计算不同状态下各个IMF分量的FD,归一化后作为故障特征向量;利用AOA-DELM模型实现轴承的故障诊断。采用美国凯斯西储大学(CWRU)轴承数据集作为实验数据进行实验验证,结果表明,所提方法在滚动轴承故障诊断中具有优越性,识别准确率可达98.80%。 展开更多

关键词 轴承故障分类 逐次变分模态分解 深度极限学习机 算术优化算法

在线阅读 下载PDF 职称材料

基于深度极限学习机的卫星云图云量计算 被引量：4

8

作者 翁理国 孔维斌 +1 位作者 夏旻 仇学飞 《计算机科学》 CSCD 北大核心 2018年第4期227-232,共6页

卫星云图云量计算是卫星气象应用的基础,现阶段对其的研究未能充分利用卫星云图的特征,导致云检测及云量计算的效果不好。针对该问题,利用多层神经网络进行卫星云图的特征提取,并通过大量实验寻找到最优的深度学习的网络结构。基于度极... 卫星云图云量计算是卫星气象应用的基础,现阶段对其的研究未能充分利用卫星云图的特征,导致云检测及云量计算的效果不好。针对该问题,利用多层神经网络进行卫星云图的特征提取,并通过大量实验寻找到最优的深度学习的网络结构。基于度极限学习机对卫星云图的云进行检测和分类,再利用"空间相关法"计算云图中的总云量。实验结果表明,基于传统极限学习机的深度极限学习机能够充分提取云图的特征,在进行云分类时能够较清晰地区分厚云和薄云间的界限。相比于传统阈值法、极限学习机模型以及卷积神经网络,深度极限学习机的云识别率以及云量计算准确率更高,且所提方法比卷积神经网络的效率更高。 展开更多

关键词 云量计算 深度极限学习机 云检测 空间相关法 卫星图像

在线阅读 下载PDF 职称材料

改进深度极限学习机在肺癌中医证型分类中的应用研究 被引量：2

9

作者 章新友 徐华康 +5 位作者 周小玲 刘梦玲 李秀云 张亚明 张春强 唐琍萍 《世界科学技术-中医药现代化》 CSCD 北大核心 2023年第6期2132-2139,共8页

目的利用特征选择及Likert分级法量化肺癌病历数据,构建基于麻雀搜索算法优化的深度极限学习机模型,对肺癌中医病历数据进行证型分类与预测,为中医证型分类研究提供科学有效手段。方法从江西中医药大学附属医院收集了2015年1月-2021年1... 目的利用特征选择及Likert分级法量化肺癌病历数据,构建基于麻雀搜索算法优化的深度极限学习机模型,对肺癌中医病历数据进行证型分类与预测,为中医证型分类研究提供科学有效手段。方法从江西中医药大学附属医院收集了2015年1月-2021年12月诊断为肺癌的497例病历,筛选412例病历作为研究对象。利用特征选择和特征重要性排序等方法归纳出不同证型的证型因子,并使用Likert分级法量化证型因子。构建基于麻雀搜索算法优化的深度极限学习机,对模型进行训练、测试。最后把本研究所建模型与其他机器学习模型按照3种评价标准进行比较。结果本研究建立的SSA-DELM模型的平均分类准确率为88.44%,而采用支持向量机和贝叶斯网络的平均准确率分别为83.39%和84.53%。SSADELM模型在5种证型上的召回率及F1值大部分在80%以上,也优于其他传统的机器学习模型。结论研究结果表明,利用特征选择结合Likert分级法量化后的肺癌病历数据,相比于0-1化处理的数据更能显现出数据的特征,提高了分类模型的准确率,SSA-DELM新模型相比其他传统的机器学习分类模型,有更好的表征学习能力及学习速度。该模型不仅为临床治疗肺癌的研究提供了科学的技术手段,也为中医辨证论治的信息化、智能化发展提供有益的借鉴。 展开更多

关键词 肺癌 证型分类 深度极限学习机 特征选择

在线阅读 下载PDF 职称材料

基于多变量相空间重构和优化深度极限学习机的短期风电功率预测 被引量：10

10

作者 商立群 李洪波 +2 位作者 黄辰浩 侯亚东 惠泽 《南方电网技术》 CSCD 北大核心 2023年第2期82-91,共10页

针对风电功率单变量处理方法及预测模型拟合能力不足的问题,提出了一种多变量相空间重构(multivariate phase space reconstruction,MPSR)和鲸鱼优化算法深度极限学习机(whale optimization algorithm-deep extreme learning machine,WO... 针对风电功率单变量处理方法及预测模型拟合能力不足的问题,提出了一种多变量相空间重构(multivariate phase space reconstruction,MPSR)和鲸鱼优化算法深度极限学习机(whale optimization algorithm-deep extreme learning machine,WOA-DELM)的短期风电功率组合预测方法。首先,利用Pearson相关系数筛选出与风电功率相关的气象因素,并将其与风电功率序列组成多变量时间序列;其次,利用C-C法确定每一时间序列的最优嵌入维数和时间延迟,实现多变量相空间重构;然后,将多变量相空间重构建立的数据集输入到深度极限学习机(deep extreme learning machine,DELM)模型中,同时利用鲸鱼优化算法(whale optimization algorithm,WOA)对DELM的权值参数进行优化,得到WOA-DELM预测模型,以此预测短期风电功率,最终得到预测结果。将平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)作为评价指标,结合实例分析,并与传统的模型进行比较。结果表明:所提预测模型得到的3个评价指标分别0.4120 MW、0.4921 MW和1.7822%,优于其他模型,具有更好的稳定性和预测性能。 展开更多

关键词 风电功率预测 气象因素 多变量相空间重构 鲸鱼优化算法 深度极限学习机

在线阅读 下载PDF 职称材料

基于压缩感知与改进的深度极限学习机的轴承故障诊断方法 被引量：8

11

作者 陈万圣 王珍 +1 位作者 赵洪健 王奉涛 《机械强度》 CAS CSCD 北大核心 2021年第4期779-785,共7页

大数据时代下的轴承故障监测存在海量数据处理实时性和故障特征选取的主观性问题,为了实时、智能的实现轴承故障诊断,提出了压缩感知(Compressed Sensing,CS)与改进的深度极限学习机(Multilayer Extreme Learning Machine,ML-ELM)相融... 大数据时代下的轴承故障监测存在海量数据处理实时性和故障特征选取的主观性问题,为了实时、智能的实现轴承故障诊断,提出了压缩感知(Compressed Sensing,CS)与改进的深度极限学习机(Multilayer Extreme Learning Machine,ML-ELM)相融合的轴承故障诊断新方法。该方法首先通过压缩感知理论从大量轴承监测数据中获取能够表达特征信息的少量数据,然后用轴承信号在压缩感知变换域中的测量值进行由PSO改进的深度极限学习机分类识别,实现故障智能诊断。此方法大幅减少了轴承诊断信号的数据量并省去了智能诊断时特征选取的步骤,充分利用了深度极限学习机从少量测量值中挖掘轴承信号的特征信息,实现了智能、准确的分类。实验分析表明:该方法对不同位置、不同损伤程度的故障能够准确的识别,为轴承状态监测和故障诊断提供了新方法。 展开更多

关键词 压缩感知 深度极限学习机 轴承 故障诊断

在线阅读 下载PDF 职称材料

基于麻雀算法和深度极限学习机的NO_(x)预测研究 被引量：21

12

作者 谭增强 牛拥军 +2 位作者 李元昊 刘玺璞 张安超 《中国电机工程学报》 EI CSCD 北大核心 2022年第S01期187-192,共6页

准确的NOx预测方法对脱硝超低排放和机组的安全稳定运行意义极大。基于烟气含氧量、一次风总量、一次风压、二次风总量、总煤量、各个二次风门开度等分布式控制系统(distributedcontrolsystem,DCS)数据,分别构建用于NOx预测的基于麻雀算... 准确的NOx预测方法对脱硝超低排放和机组的安全稳定运行意义极大。基于烟气含氧量、一次风总量、一次风压、二次风总量、总煤量、各个二次风门开度等分布式控制系统(distributedcontrolsystem,DCS)数据,分别构建用于NOx预测的基于麻雀算法(sparrow search algorithm,SSA)和深度极限学习机(deepextremelearningmachine,DELM)的SSA-DELM模型和DELM模型。结果表明,构建的预测模型能定量计算出延迟时间。延迟时间为2min时,脱硝入口NOx浓度的SSA-DELM模型的预测值和实测值的误差较小,其中,SSA-DELM模型对测试样本的均方根误差为0.89mg/m^(3),DELM模型对测试样本的均方根误差为7.65mg/m^(3)。延迟时间为3.3min时,脱硝出口NOx浓度的SSA-DELM模型的预测值曲线与实测值曲线基本吻合,SSA-DELM模型对测试样本的的均方根误差为2.18mg/m^(3),DELM模型对测试样本的均方根误差为3.21mg/m^(3)。 展开更多

关键词 NO_(x) 预测模型 麻雀算法 深度极限学习机

在线阅读 下载PDF 职称材料

基于改进麻雀算法优化深度极限学习机的缺失数据预测 被引量：12

13

作者 张文帅 王占刚 《电子测量技术》 北大核心 2022年第15期63-67,共5页

数据缺失降低了数据的可利用性,因此如何预测缺失数据变得尤为重要。针对缺失数据问题,提出一种改进麻雀搜索算法优化深度极限学习机的预测算法。首先,将Singer混沌映射、柯西-高斯变异策略和余弦权重因子与麻雀搜索算法结合;其次利用... 数据缺失降低了数据的可利用性,因此如何预测缺失数据变得尤为重要。针对缺失数据问题,提出一种改进麻雀搜索算法优化深度极限学习机的预测算法。首先,将Singer混沌映射、柯西-高斯变异策略和余弦权重因子与麻雀搜索算法结合;其次利用改进后的麻雀搜索算法优化深度极限学习机中的各极限学习机中自动编码器的输入权重与偏置,进行缺失数据预测。实验表明,在小数据量,低缺失率下时,改进麻雀搜索算法优化深度极限学习机相较于麻雀搜索算法优化深度极限学习机、粒子群优化深度极限学习机、深度极限学习机,其稳定性强,预测精度最高;在均方根误差、平均绝对误差等评价指标上改进麻雀搜索算法优化深度极限学习机优于对比算法。 展开更多

关键词 缺失数据预测 深度极限学习机 麻雀搜索算法 混沌映射 变异策略

在线阅读 下载PDF 职称材料

基于优化深度极限学习机的船舶柴油机故障诊断 被引量：1

14

作者 卢佳音 徐飞翔 林叶锦 《计算机应用与软件》 北大核心 2023年第8期50-58,共9页

针对人工生态系统算法易限于局部最优、全局探索能力差等缺陷,提出一种改进人工生态系统优化算法(Improved Artificial Ecosystem-based Optimization Algorithm, IAEO)。利用Hammersley点集初始化,使个体分布更加均匀;采用非线性递减... 针对人工生态系统算法易限于局部最优、全局探索能力差等缺陷,提出一种改进人工生态系统优化算法(Improved Artificial Ecosystem-based Optimization Algorithm, IAEO)。利用Hammersley点集初始化,使个体分布更加均匀;采用非线性递减及混沌序列来提高算法的探索和开发能力;加入爆炸操作和高斯变异来提高算法跳出局部最优的能力,在四个基准函数的仿真结果表明寻优能力有较大提高。利用多层极限学习机对数据进行特征提取,在有监督部分利用混合核极限学习机进行分类。利用IAEO优化混合核函数的核参数、正则化系数和比例系数,并在标准数据集上进行性能验证。将该方法应用于船舶柴油机故障诊断,该方法有效提高了故障诊断的准确性和稳定性并表现出较好的泛化性能。 展开更多

关键词 人工生态系统优化算法 深度极限学习机 故障诊断

在线阅读 下载PDF 职称材料

基于小波包分解-非洲秃鹫优化算法-深度极限学习机的水文预报模型及其应用 被引量：15

15

作者 王忠义 崔东文 《水电能源科学》 北大核心 2022年第8期26-31,共6页

针对水文序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合,建立WPD-AVOA-DELM组合预测模型,利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数,分别建立WPD-AVOA-DELM... 针对水文序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合,建立WPD-AVOA-DELM组合预测模型,利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数,分别建立WPD-AVOA-DELM^(1)(优化DELM输入层权值、隐含层偏值)、WPD-AVOA-DELM^(2)(优化DELM隐含层神经元数)模型,利用WPD将云南省革雷站水文序列分解为8个子序列分量,对各子序列分量进行预报,将预报结果加和重构得到最终预报结果。结果表明,WPD-AVOA-DELM^(1)、WPD-AVOA-DELM^(2)模型对革雷站月径流、月降水量、年径流、年降水量预报的平均相对误差分别为1.86%、8.82%、0.79%、0.52%和1.97%、8.30%、0.92%、0.71%,预报精度远高于单一模型AVOA-DELM^(1)、AVOA-DELM^(2)、AVOA-SVM,高于组合模型WPD-AVOA-SVM,具有更好的预报效果。可见WPD能科学降低水文序列的复杂性,提高预报精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。 展开更多

关键词 水文预报 小波包分解 非洲秃鹫优化算法 深度极限学习机

在线阅读 下载PDF 职称材料

基于深度极限学习机的柴油机尾气排放预测 被引量：11

16

作者 吐尔逊·买买提 赵梦佳 +1 位作者 宁成博 孔庆好 《科学技术与工程》 北大核心 2021年第36期15646-15654,共9页

准确预测拖拉机等柴油机械实际工况污染物排放在排放清单建立和区域污染物排放控制方面具有重要意义。基于拖拉机不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NO_(x)和PM实测数据作为数据源,建立深度极限学习机(deep extreme lear... 准确预测拖拉机等柴油机械实际工况污染物排放在排放清单建立和区域污染物排放控制方面具有重要意义。基于拖拉机不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NO_(x)和PM实测数据作为数据源,建立深度极限学习机(deep extreme learning machine,DELM)的预测模型,并对拖拉机怠速、行走和旋耕等基本工况下的污染物排放进行预测。为进一步评估DELM预测模型的适应性,将其与支持向量机(support vector machine,SVM)和反向传播(back propagation,BP)神经网络模型进行对比分析。结果表明:DELM模型在预测排放时间序列方面具有一定优势,其预测拖拉机在怠速、行走和旋耕3种状态下的NO_(x)、HC、CO和PM排放均方根误差均值分别为5.269×10^(-5)、5.195×10^(-5)、5.135×10^(-5)和2.795×10^(-5)。DELM模型与SVM和BP对比发现,DELM模型在鲁棒性以及适应性方面的优势显著。DELM方法的较高的准确度和泛化性,为基于发动机状态数据预测移动源尾气排放提供思路和方法。 展开更多

关键词 柴油机 深度极限学习机(DELM) 不同工况 排放预测

在线阅读 下载PDF 职称材料

基于优化的深度极限学习机的柴油车NO_(x)排放预测 被引量：1

17

作者 李勇志 胡磬遥 +1 位作者 任洪娟 黄成 《环境监测管理与技术》 CSCD 2023年第4期53-56,共4页

用麻雀搜索算法优化的深度极限学习机(SSA-DELM)构建柴油车NO_(x)排放预测模型,对柴油车低速、中速和高速状态下的NO_(x)排放进行预测,并将此模型性能与深度极限学习机(DELM)模型性能进行对比分析。结果表明:SSA-DELM模型的预测效果较好... 用麻雀搜索算法优化的深度极限学习机(SSA-DELM)构建柴油车NO_(x)排放预测模型,对柴油车低速、中速和高速状态下的NO_(x)排放进行预测,并将此模型性能与深度极限学习机(DELM)模型性能进行对比分析。结果表明:SSA-DELM模型的预测效果较好,在低速、中速、高速状态下该模型平均绝对百分比误差MAPE分别为0.0610、0.0449、0.0391;在低速、中速、高速状态下SSA-DELM模型的性能评价指标比DELM模型性能评价指标分别优约23%、44%、11%。 展开更多

关键词 NO_(x) 重型柴油车 麻雀搜索算法 深度极限学习机 排放预测

在线阅读 下载PDF 职称材料

基于改进蜣螂优化算法深度混合核极限学习机的高压断路器故障诊断

18

作者 范兴明 许洪华 +3 位作者 张思舜 李涛 蒋延军 张鑫 《电工技术学报》 北大核心 2025年第12期3994-4003,共10页

针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的... 针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的固有模态分量(IMF);其次,提取各IMF分量的功率谱熵构建特征向量矩阵,并利用t分布-随机邻域嵌入算法(t-SNE)对特征向量进行数据降维;然后,引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法(DBO)进行改进,并使用IDBO对DHKELM进行参数优化,完成IDBO-DHKELM高压断路器故障诊断模型的构建;最后,通过搭建模拟故障的实物断路器实验平台进行验证,结果表明,该文提出的方法在故障诊断上的准确率达到了98.33%,相较于其他故障诊断模型在多项分类评价指标上均有显著提升,为准确、可靠地诊断高压断路器机械故障提供了新方案。 展开更多

关键词 高压断路器 改进蜣螂优化算法 深度混合核极限学习机 故障诊断 逐次变分模 态分解

在线阅读 下载PDF 职称材料

基于深度信念极限学习机与卷积优化算法的洪水预报方法 被引量：1

19

作者 徐军杨 张奇伟 +3 位作者 蔡鹏 罗远林 张坚 张楚 《水电能源科学》 北大核心 2024年第8期48-52,共5页

针对洪水峰高量大、汇流时间短以及流域地貌复杂,导致洪水预报难度大和预报精度不理想的问题,提出一种基于深度信念极限学习机(DBN-ELM)和改进卷积优化算法(ICOA)的ICOA-DBN-ELM模型。以渭河上游北道水文站点2006~2020年的日径流数据作... 针对洪水峰高量大、汇流时间短以及流域地貌复杂,导致洪水预报难度大和预报精度不理想的问题,提出一种基于深度信念极限学习机(DBN-ELM)和改进卷积优化算法(ICOA)的ICOA-DBN-ELM模型。以渭河上游北道水文站点2006~2020年的日径流数据作为输入数据,并将该模型与BP、ELM、DBN-BP、DBN-ELM、COA-DBN-ELM模型进行对比。结果表明,所建立的ICOA-DBN-ELM模型有更好的预报精度,在洪水预报领域具有良好的应用前景。 展开更多

关键词 洪水预报 深度信念极限学习机 参数优化 卷积优化算法

在线阅读 下载PDF 职称材料

基于深度降噪极限学习机的变压器故障诊断 被引量：18

20

作者 王春明 朱永利 《电测与仪表》 北大核心 2019年第15期143-147,共5页

针对变压器故障诊断中模型训练时间长,容易过拟合,噪声敏感等问题,提出一种深度降噪极限学习机变压器故障诊断方法。将极限学习机与降噪自编码器结合构建降噪自编码极限学习机,并将其堆叠构建深度降噪极限学习机模型进行特征提取,将提... 针对变压器故障诊断中模型训练时间长,容易过拟合,噪声敏感等问题,提出一种深度降噪极限学习机变压器故障诊断方法。将极限学习机与降噪自编码器结合构建降噪自编码极限学习机,并将其堆叠构建深度降噪极限学习机模型进行特征提取,将提取的特征输入常规极限学习机进行分类,整体构成深度降噪极限学习机分类算法。该算法能有效应对电压器油中溶解气体分析数据中的噪声且具有非常快的学习速度。仿真实验结果表明,相比于传统BP神经网络,文中方法有更高的故障诊断正确率和更短的训练时间,是一种有效的变压器故障诊断方法。 展开更多

关键词 变压器 故障诊断 深度极限学习机 降噪 油中溶解气体分析

在线阅读 下载PDF 职称材料