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
5
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
基于等维新息的GM(2,1)递推预测模型
被引量:
4
1
作者
岳赟
卢光跃
+1 位作者
刘迪
董静怡
《电信科学》
北大核心
2017年第5期55-61,共7页
针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型。该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之...
针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型。该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之间因转换而产生误差的问题,并结合等维新息的思想更新GM(2,1)递推预测模型的参数。最后通过实例验证了所提等维新息GM(2,1)递推预测模型的有效性和实用性。
展开更多
关键词
GM(2
1)模型
白化方程
灰色微分
方程
等维新息
递推预测模型
在线阅读
下载PDF
职称材料
基于灰色ELM神经网络的短时交通流量预测
被引量:
15
2
作者
景辉鑫
钱伟
车凯
《河南理工大学学报(自然科学版)》
CAS
北大核心
2019年第2期97-102,共6页
为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,...
为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差。然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测。最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度。仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法。
展开更多
关键词
灰色模型
短时交通流预测
ELM神经网络
一阶线性微分
白化方程
在线阅读
下载PDF
职称材料
基于响应不变法的GM(1,1)模型
被引量:
2
3
作者
邹红波
吉培荣
《三峡大学学报(自然科学版)》
CAS
2007年第4期339-341,共3页
GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破...
GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破了|a|较大时GM(1,1)模型不能应用的禁区,拓广了GM(1,1)模型的应用范围.
展开更多
关键词
GM(1
1)模型
响应不变法
白化
微分
方程
差分
方程
在线阅读
下载PDF
职称材料
基于灰色预测算法的图情数据分析技术
被引量:
3
4
作者
付新贺
袁永旭
《电子科技》
2020年第7期67-70,共4页
灰色预测是图情数据预测分析的常用算法之一,但传统的灰色预测模型在预测低光滑性数据序列时准确率低。针对此问题,文中提出了一种差值加权光滑处理方法,并采用欧拉修正的方式弥补误差。将改进后的灰色预测模型在某图书馆借阅数据库上...
灰色预测是图情数据预测分析的常用算法之一,但传统的灰色预测模型在预测低光滑性数据序列时准确率低。针对此问题,文中提出了一种差值加权光滑处理方法,并采用欧拉修正的方式弥补误差。将改进后的灰色预测模型在某图书馆借阅数据库上进行测试,测试与分析结果表明,该模型预测结果相对误差的方差由0.32减至0.142,平均相对误差绝对值减小了4.458%。改进的灰色预测模型能够处理光滑度较低的图书馆借阅数据,并准确地对其进行预测,为图书馆优化工作效率与信息化建设提供支撑。
展开更多
关键词
灰色预测
差值加权
光滑度
欧拉修正
白化
微分
方程
在线阅读
下载PDF
职称材料
基于灰色预测模型的永磁同步电机驱动系统绕组开路故障智能诊断策略研究
被引量:
3
5
作者
芦晓勇
蒋雪峰
+2 位作者
李运之
王锦龙
闫昭煜
《科技通报》
2021年第3期34-39,共6页
永磁同步电机是当今非常重要的机电转换设备,在工业制造和人们的日常生活中都起着重要作用。传统永磁电机绕组开路故障诊断存在诊断不及时、效率低下、易误判断等缺点。本文提出一种基于灰色预测模型的永磁同步电机驱动系统绕组开路故...
永磁同步电机是当今非常重要的机电转换设备,在工业制造和人们的日常生活中都起着重要作用。传统永磁电机绕组开路故障诊断存在诊断不及时、效率低下、易误判断等缺点。本文提出一种基于灰色预测模型的永磁同步电机驱动系统绕组开路故障智能诊断策略,该方法采集等时间间隔的若干位电流数据构成灰色预测模型的原始序列,并将原始序列代入灰色预测的数学模型来预测下一时刻的电流数据,以此来判断是否故障并反馈故障信号。与传统永磁电机绕组开路故障诊断相比,本故障诊断策略可靠性高,不需要额外的传感器,可以快速准确地诊断永磁同步电机绕组开路故障,并判断故障位置。
展开更多
关键词
故障诊断
永磁同步电机
灰色预测
白化
微分
方程
在线阅读
下载PDF
职称材料
题名
基于等维新息的GM(2,1)递推预测模型
被引量:
4
1
作者
岳赟
卢光跃
刘迪
董静怡
机构
西安邮电大学无线网络安全技术国家工程实验室
出处
《电信科学》
北大核心
2017年第5期55-61,共7页
基金
陕西省工业科技攻关资助项目(No.2016GY-113
No.2015GY-013)
陕西省教育厅专项科研计划基金资助项目(No.16JK1704)~~
文摘
针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型。该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之间因转换而产生误差的问题,并结合等维新息的思想更新GM(2,1)递推预测模型的参数。最后通过实例验证了所提等维新息GM(2,1)递推预测模型的有效性和实用性。
关键词
GM(2
1)模型
白化方程
灰色微分
方程
等维新息
递推预测模型
Keywords
GM (2,1) model, whitening equation, grey differential equation, equal dimension and new information,recursive forecasting model
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于灰色ELM神经网络的短时交通流量预测
被引量:
15
2
作者
景辉鑫
钱伟
车凯
机构
河南理工大学电气工程与自动化学院
上海电驱动股份有限公司
出处
《河南理工大学学报(自然科学版)》
CAS
北大核心
2019年第2期97-102,共6页
基金
国家自然科学基金资助项目(61573130
61104119)
+2 种基金
河南省科技创新人才计划资助项目(164100510004)
河南省高校骨干教师资助计划项目(2011GGJS-054)
河南省创新型科研团队项目(CXTD2016054)
文摘
为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差。然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测。最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度。仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法。
关键词
灰色模型
短时交通流预测
ELM神经网络
一阶线性微分
白化方程
Keywords
grey model
short-term traffic flow prediction
ELM neural network
first order linear whitening differential equation
分类号
U491.1 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于响应不变法的GM(1,1)模型
被引量:
2
3
作者
邹红波
吉培荣
机构
三峡大学电气信息学院
出处
《三峡大学学报(自然科学版)》
CAS
2007年第4期339-341,共3页
文摘
GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破了|a|较大时GM(1,1)模型不能应用的禁区,拓广了GM(1,1)模型的应用范围.
关键词
GM(1
1)模型
响应不变法
白化
微分
方程
差分
方程
Keywords
GM (1,1) model
response invariant method
albinism differential equation
difference equation
分类号
N941.5 [自然科学总论—系统科学]
在线阅读
下载PDF
职称材料
题名
基于灰色预测算法的图情数据分析技术
被引量:
3
4
作者
付新贺
袁永旭
机构
山西医科大学管理学院
出处
《电子科技》
2020年第7期67-70,共4页
基金
山西省自然科学基金(ZK63928517)。
文摘
灰色预测是图情数据预测分析的常用算法之一,但传统的灰色预测模型在预测低光滑性数据序列时准确率低。针对此问题,文中提出了一种差值加权光滑处理方法,并采用欧拉修正的方式弥补误差。将改进后的灰色预测模型在某图书馆借阅数据库上进行测试,测试与分析结果表明,该模型预测结果相对误差的方差由0.32减至0.142,平均相对误差绝对值减小了4.458%。改进的灰色预测模型能够处理光滑度较低的图书馆借阅数据,并准确地对其进行预测,为图书馆优化工作效率与信息化建设提供支撑。
关键词
灰色预测
差值加权
光滑度
欧拉修正
白化
微分
方程
Keywords
grey prediction
weighted difference
smoothness
Euler correction
whitening differential equation
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于灰色预测模型的永磁同步电机驱动系统绕组开路故障智能诊断策略研究
被引量:
3
5
作者
芦晓勇
蒋雪峰
李运之
王锦龙
闫昭煜
机构
南京理工大学自动化学院
出处
《科技通报》
2021年第3期34-39,共6页
基金
国家自然科学基金项目(51807094)
南京市质量技术监督局重点科技项目(kj2018010)
+1 种基金
南京理工大学本科生科研训练‘百千万’计划校级重点项目(2019年立项)
中央高校基本科研业务专项资金资助项目(30918011327)
文摘
永磁同步电机是当今非常重要的机电转换设备,在工业制造和人们的日常生活中都起着重要作用。传统永磁电机绕组开路故障诊断存在诊断不及时、效率低下、易误判断等缺点。本文提出一种基于灰色预测模型的永磁同步电机驱动系统绕组开路故障智能诊断策略,该方法采集等时间间隔的若干位电流数据构成灰色预测模型的原始序列,并将原始序列代入灰色预测的数学模型来预测下一时刻的电流数据,以此来判断是否故障并反馈故障信号。与传统永磁电机绕组开路故障诊断相比,本故障诊断策略可靠性高,不需要额外的传感器,可以快速准确地诊断永磁同步电机绕组开路故障,并判断故障位置。
关键词
故障诊断
永磁同步电机
灰色预测
白化
微分
方程
Keywords
fault diagnosis
permanent magnet synchronous motor
grey prediction
whitening differential equation
分类号
TM341 [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
基于等维新息的GM(2,1)递推预测模型
岳赟
卢光跃
刘迪
董静怡
《电信科学》
北大核心
2017
4
在线阅读
下载PDF
职称材料
2
基于灰色ELM神经网络的短时交通流量预测
景辉鑫
钱伟
车凯
《河南理工大学学报(自然科学版)》
CAS
北大核心
2019
15
在线阅读
下载PDF
职称材料
3
基于响应不变法的GM(1,1)模型
邹红波
吉培荣
《三峡大学学报(自然科学版)》
CAS
2007
2
在线阅读
下载PDF
职称材料
4
基于灰色预测算法的图情数据分析技术
付新贺
袁永旭
《电子科技》
2020
3
在线阅读
下载PDF
职称材料
5
基于灰色预测模型的永磁同步电机驱动系统绕组开路故障智能诊断策略研究
芦晓勇
蒋雪峰
李运之
王锦龙
闫昭煜
《科技通报》
2021
3
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