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
共找到3,475篇文章
< 1 2 … 174 >
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：
基于集成经验模态分解和极限学习机的质子交换膜燃料电池寿命预测
1
作者 陈景文 杨淇 +2 位作者 兰天一 华志广 赵冬冬 《太阳能学报》 北大核心 2025年第2期135-141,共7页
基于数据驱动的预测方法可实现质子交换膜燃料电池(PEMFC)的寿命预测。为提高质子交换膜燃料电池(PEMFC)寿命预测精度,提出将集成经验模态分解(EEMD)和粒子群算法(PSO)优化极限学习机(ELM)相结合的PEMFC剩余使用寿命预测方法。首先,采... 基于数据驱动的预测方法可实现质子交换膜燃料电池(PEMFC)的寿命预测。为提高质子交换膜燃料电池(PEMFC)寿命预测精度,提出将集成经验模态分解(EEMD)和粒子群算法(PSO)优化极限学习机(ELM)相结合的PEMFC剩余使用寿命预测方法。首先,采用移动平均滤波法在滤除噪声和尖峰的同时,保留原始数据的主要趋势;其次,通过EEMD对原始数据进行多时间尺度分解,得到不同时间尺度下PEMFC的老化信息;最后,将分解后的本征模函数分别通过PSO优化的ELM模型进行预测,能在保证预测精度的情况下降低运算复杂度。通过与经典的极限学习机模型预测结果进行对比,该方法能更加准确地预测PEMFC的老化趋势。 展开更多
关键词 质子交换膜燃料电池 预测 经验模态分解 极限学习机
在线阅读 下载PDF
基于改进经验模态分解与BiLSTM神经网络的低矮房屋脉动风压时程预测
2
作者 邱冶 袁有明 伞冰冰 《湖南大学学报(自然科学版)》 北大核心 2025年第3期82-93,共12页
为解决风压测量中传感器数据间歇性缺失问题,提出基于改进经验模态分解算法(IEMD)和双向长短期记忆网络(BiLSTM)的结构表面风压时程预测方法.首先,采用基于软筛分停止准则的改进经验模态分解方法,将风压时程自适应地分解为多个固有模态... 为解决风压测量中传感器数据间歇性缺失问题,提出基于改进经验模态分解算法(IEMD)和双向长短期记忆网络(BiLSTM)的结构表面风压时程预测方法.首先,采用基于软筛分停止准则的改进经验模态分解方法,将风压时程自适应地分解为多个固有模态函数,并通过样本熵对其进行重构获得子序列;其次,针对各子序列完成双向长短期记忆网络的构建、训练及预测,并利用贝叶斯优化(BO)算法对神经网络超参数进行优化;最后,基于低矮房屋风洞测压试验数据进行了风荷载预测,验证了学习模型的有效性.研究表明,与传统预测模型(多层感知器、BiLSTM)相比,基于改进经验模态分解与BiLSTM神经网络的预测模型具有较高的预测精度和计算效率,适用于高斯与非高斯风压信号预测. 展开更多
关键词 低矮房屋 风荷载 深度学习 双向LSTM 改进经验模态分解 贝叶斯优化 时程预测
在线阅读 下载PDF
基于二维聚合经验模态分解的SAR图像目标识别方法
3
作者 肜瑶 张洋洋 《火力与指挥控制》 北大核心 2025年第6期200-205,共6页
合成孔径雷达图像特征有效性直接决定了后续目标识别性能。针对SAR特征提取和目标识别问题,采用二维聚合经验模态分解获得多层次二维固态模函数并据此设计识别方法。BEEMD对传统经验模态函数进行优化,其分解得到的BIMF可以更为稳健、有... 合成孔径雷达图像特征有效性直接决定了后续目标识别性能。针对SAR特征提取和目标识别问题,采用二维聚合经验模态分解获得多层次二维固态模函数并据此设计识别方法。BEEMD对传统经验模态函数进行优化,其分解得到的BIMF可以更为稳健、有效地反映目标特性。为了充分利用分解得到的多层次BIMF,基于联合稀疏表示对它们进行统一表征从而考察其内在相关性。根据重构结果,在各层次BIMF上计算重构误差之和进行决策。采用MSTAR数据集设置实验条件对方法进行测试。综合不同条件下的结果表明,提出方法相比现有几类SAR目标识别方法具有更强的有效性。 展开更多
关键词 合成孔径雷达 目标识别 二维聚合经验模态分解 联合稀疏表示
在线阅读 下载PDF
基于经验模态分解的ARIMA模型在山西省肺结核预测中的应用 被引量：1
4
作者 刘静 赵瑞青 +7 位作者 赵执扬 翟梦梦 王旭春 李一汀 范月玲 高建伟 陈利民 仇丽霞 《中国卫生统计》 北大核心 2025年第2期175-179,共5页
目的探讨基于经验模态分解(empirical mode decomposition,EMD)的自回归移动平均(autoregressive integrated moving average,ARIMA)模型对于肺结核流行趋势的预测性能,为肺结核的预测提供方法支撑,也为其他传染病的预测提供思路。方法... 目的探讨基于经验模态分解(empirical mode decomposition,EMD)的自回归移动平均(autoregressive integrated moving average,ARIMA)模型对于肺结核流行趋势的预测性能,为肺结核的预测提供方法支撑,也为其他传染病的预测提供思路。方法收集并整理2008年1月—2018年12月山西省肺结核报告发病率月度数据,分别将该数据的最后三个月、六个月、九个月以及一年作为测试集用于模型预测效果的评价,训练集则为对应序列的剩余数据。构建EMD-ARIMA模型进行预测,并与单一ARIMA模型的预测效果进行比较。结果EMD-ARIMA模型对未来三个月、六个月、九个月以及一年流行趋势的预测误差均小于ARIMA模型的各项误差值。结论与单一的ARIMA模型相比,EMD-ARIMA模型提高了预测精度,能较好地预测肺结核的流行趋势,为疾病防控提供有效的理论参考。 展开更多
关键词 肺结核 经验模态分解 ARIMA模型 预测
在线阅读 下载PDF
基于经验模态分解与Tikhonov正则化的梁桥影响线识别方法 被引量：3
5
作者 周宇 尚稳齐 +2 位作者 吴德义 狄生奎 郑旭 《振动工程学报》 北大核心 2025年第1期144-153,共10页
挠度影响线、应变影响线能够完整地反映梁桥截面抗弯刚度,在获取梁桥实测时程响应过程中,车辆移动荷载作用下的梁桥响应掺杂了影响线信息和结构动力成分,并受到加载车辆的多轴效应干扰。为准确识别梁桥结构影响线,通过经验模态分解剔除... 挠度影响线、应变影响线能够完整地反映梁桥截面抗弯刚度,在获取梁桥实测时程响应过程中,车辆移动荷载作用下的梁桥响应掺杂了影响线信息和结构动力成分,并受到加载车辆的多轴效应干扰。为准确识别梁桥结构影响线,通过经验模态分解剔除梁桥实测数据中的动力成分,得到含有车辆多轴效应的梁桥准静态响应数据,结合采样频率与车辆轴距,建立了影响线识别的数学模型,将车辆多轴效应转化为单位集中荷载,进而采用Tikhonov正则化方法准确解得梁桥影响线的稳定解。通过建立1/2双轴车过简支梁桥与三跨变截面连续梁桥的数值仿真模型,提取车辆不同移动速度下简支梁桥跨中和三跨连续梁桥中跨跨中的挠度、应变时程响应,验证了基于经验模态分解与Tikhonov正则化识别梁桥影响线方法的可行性与有效性,准确地识别了梁桥结构算例的挠度影响线、应变影响线,并通过建立误差指标定量评价了影响线识别效果。研究还发现,梁桥影响线的识别效果随加载车辆速度的增大而降低。 展开更多
关键词 桥梁工程 移动荷载 影响线识别 经验模态分解 TIKHONOV正则化
在线阅读 下载PDF
基于改进经验模态分解的水电机组振动信号故障特征提取
6
作者 潘天航 蔡金华 +4 位作者 高元 张冰 孟宪宇 耿欣 冯康康 《水电能源科学》 北大核心 2025年第3期182-185,162,共5页
水电机组振动信号包含噪声及多种信号耦合,采用经验模态分解方法进行信号处理会由于极值点丢失而发生模态混叠。为此,提出一种基于改进经验模态分解算法,即首先对振动信号进行微分计算来放大极值点;然而对微分信号进行经验模态分解并计... 水电机组振动信号包含噪声及多种信号耦合,采用经验模态分解方法进行信号处理会由于极值点丢失而发生模态混叠。为此,提出一种基于改进经验模态分解算法,即首先对振动信号进行微分计算来放大极值点;然而对微分信号进行经验模态分解并计算各阶信号能量特征占比,由此剔除噪声干扰等无效分量后对信号进行重构;最后计算出信号的频率特性进行故障诊断。使用该算法对国内某水电站振动异常的摆度信号进行分析,能够有效屏蔽掉干扰信号,更准确地判断出故障类型。 展开更多
关键词 水电机组 微分运算 经验模态分解 故障诊断
在线阅读 下载PDF
经验模态分解在冲击响应谱修正中的应用
7
作者 王万哲 金映丽 +1 位作者 孙自强 闫明 《机械设计与制造》 北大核心 2025年第5期341-345,351,共6页
冲击响应谱是评估舰船设备抗冲击水平的重要依据,冲击响应谱是否准确的关键在于试验中所测得的加速度信号。在抗冲击试验中,由于趋势项误差的存在,冲击谱低频段谱线会发生谱线移位的现象。以低频振子作为验证依据,提出一种基于经验模态... 冲击响应谱是评估舰船设备抗冲击水平的重要依据,冲击响应谱是否准确的关键在于试验中所测得的加速度信号。在抗冲击试验中,由于趋势项误差的存在,冲击谱低频段谱线会发生谱线移位的现象。以低频振子作为验证依据,提出一种基于经验模态分解(EMD)的冲击响应谱修正方法。通过冲击试验机验证表明,利用此修正方法可将低频段谱线斜率与标准值之间的误差降至8.13%,修正后的低频段谱线与等位移线相关程度较高,修正后的冲击响应谱对舰船设备的抗冲击评估具有一定的参考价值。 展开更多
关键词 冲击响应谱 经验模态分解 低频振子 趋势项误差
在线阅读 下载PDF
数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法
8
作者 陈庚 丁强强 +2 位作者 苏哲 郭世杰 唐术锋 《航空制造技术》 北大核心 2025年第6期104-114,共11页
数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始... 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN-EWT算法的均方根误差(RMSE)降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN-EWT分离算法与傅里叶变换(FFT)算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN-EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。 展开更多
关键词 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解-经验小波变换(ICEEMDAN-EWT) 误差分离
在线阅读 下载PDF
针对非平稳信号和高频噪声的自适应噪声完整集成经验模态分解-双向长短期记忆风功率预测模型
9
作者 万思洋 杨苹 +3 位作者 崔嘉雁 李丰能 隗知初 陈文皓 《电网技术》 北大核心 2025年第3期1176-1184,I0085,共10页
提出了一种基于改进的自适应噪声完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的组合预测模型,以提高... 提出了一种基于改进的自适应噪声完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的组合预测模型,以提高风电功率预测的准确性和鲁棒性。当前风电功率预测面临非平稳信号和高频噪声的问题,影响了预测的准确性。针对这一问题,通过CEEMDAN分解,将复杂的非平稳信号分解为多个固有模态函数分量(intrinsic mode function,IMF),在此基础上创新性地通过平均波动幅度(average fluctuation range,AFR)计算IMF的平均波动幅度进行高低频划分,应用经验小波变换(empirical wavelet transform,EWT)对高频分量进行滤波,显著降低信号中的高频噪声,提高数据准确性。随后,分别对高频和低频分量建立Bi-LSTM模型,选取最优参数进行训练和预测,将各分量的预测结果叠加得到最终的风电功率预测值。模型经过不同季节和数据集的验证,展示了其在风电功率预测中的通用性和鲁棒性。研究证明,结合CEEMDAN分解、AFR划分和EWT滤波,通过有效的噪声抑制和数据分解,能够显著提升风电功率预测的准确性和稳定性,弥补了传统方法在处理非平稳信号和高频噪声方面的不足。 展开更多
关键词 风电功率预测 双向长短期记忆神经网络 完全集成经验模态分解 经验小波变换 深度学习
在线阅读 下载PDF
基于互补集合经验模态分解和支持向量回归机的城市轨道交通线路轨距劣化预测 被引量：1
10
作者 贾清天 林海剑 金忠 《城市轨道交通研究》 北大核心 2025年第1期50-55,共6页
[目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),... [目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),对提取数据进行训练,标定预测模型最优参数后进行测试集验证,构建CEEMD-PSO-SVR预测模型。通过上海轨道交通16号线上行轨道区间K12+134—K15+743内的1128组轨检样本数据对预测模型进行了试验。[结果及结论]CEEMD-PSO-SVR预测模型同PSO-SVR模型、ARIMA(自回归移动平均模型)相比,在均方根误差、平均绝对误差、平均相对误差绝对值等3项性能评价指标上具有优势。 展开更多
关键词 城市轨道交通线路 轨距劣化 互补集合经验模态分解 支持向量回归机
在线阅读 下载PDF
基于互补集合经验模态分解的相位敏感光时域反射计系统降噪方法
11
作者 岳新博 高旭 +2 位作者 高阳 王海涛 鲁秀娥 《红外与激光工程》 北大核心 2025年第2期134-148,共15页
为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)... 为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)算法筛选后,通过改进的小波阈值算法进行去噪,并设计采用多元宇宙优化(MVO)算法对参数进行优化。实际搭建了外差式Φ-OTDR系统,经仿真和实际测试验证文中算法有效性。最后,将设计算法与以往的经验模态分解-皮尔逊相关系数(EMD-PCC)、自适应噪声完备集合经验模态分解(CEEMDAN)及变分模态分解-改进小波阈值(VMD-NWT)去噪方法进行了对比。结果表明,在10.14 km的传感光纤位置上,该方法对于低频10 Hz、中频200 Hz以及高频1 200 Hz的振动事件,其位置信息信噪比分别可达8.88、30.26、11.90 dB,对不同频率段的振动信号均具备有效的去噪能力,且系统定位精度更高。该方法在提高系统信噪比的同时,成功地对振动信号进行了解调,且解调效果比其他三种算法效果更好,为Φ-OTDR系统降噪研究提供了新思路。 展开更多
关键词 相位敏感光时域反射仪 互补集合经验模态分解算法 多尺度排列熵 改进的小波阈值算法 多元宇宙优化算法
在线阅读 下载PDF
基于集成经验模态分解算法的舰船噪声特征提取研究
12
作者 陈志强 曹建芳 彭存赫 《舰船科学技术》 北大核心 2025年第3期172-175,共4页
为解决模态混叠问题,提取更为全面的舰船噪声特征,设计了基于集成经验模态分解算法的舰船噪声特征提取方法。利用非线性局部投影滤波方法处理舰船信号,利用集成经验模态分解算法分解滤波后的噪声信号,提取具有关键噪声特征的固有模态函... 为解决模态混叠问题,提取更为全面的舰船噪声特征,设计了基于集成经验模态分解算法的舰船噪声特征提取方法。利用非线性局部投影滤波方法处理舰船信号,利用集成经验模态分解算法分解滤波后的噪声信号,提取具有关键噪声特征的固有模态函数(IMF)分量;利用相关系数法计算各IMF分量和信号间的相关系数,保留相关系数大于设置门限阈值的IMF分量,根据排列熵提取全面的舰船噪声特征。实验证明,该方法可有效分解噪声信号,得到相关系数最高的IMF分量,获得理想舰船噪声特征。 展开更多
关键词 舰船噪声 特征提取 局部投影 经验模态分解 排列熵
在线阅读 下载PDF
集合经验模态分解-排列熵的锂电池储能方法
13
作者 刘伟峰 刘艳伟 +1 位作者 李峰 柳天杰 《机械设计与制造》 北大核心 2025年第8期27-30,35,共5页
电动汽车行驶阶段受高频需求功率分量作用导致的锂电池寿命下降,为此构建了一种通过集合经验模态分解(EEMD)与排列熵(PE)进行能量管理的方案。利用EEMD把功率信号分解成IMF分量,经过重构处理获得的锂电池功率与超级电容功率。研究结果表... 电动汽车行驶阶段受高频需求功率分量作用导致的锂电池寿命下降,为此构建了一种通过集合经验模态分解(EEMD)与排列熵(PE)进行能量管理的方案。利用EEMD把功率信号分解成IMF分量,经过重构处理获得的锂电池功率与超级电容功率。研究结果表明:电池储能方法减小锂电池的峰值电流,达到稳定电池功率输出以及降低功率波动程度的效果。相对传统电池控制模式,采用EEMD-PE设置的混合储能能量方案可以使低、中、高速状态下的电流均方根值依次降低12.41、18.59、19.42%,同时电流峰值降低55.84、52.31与42.06%。相对电池的储能系统控制性能,这里的方法可以使锂电池降低19.40%的均方根电流,同时电流峰值也降低达到55.91%。该研究有效发挥超级电容大倍率充放电的优势,为系统的高频功率运行提供支持。 展开更多
关键词 电动汽车 混合储能 集合经验模态分解 排列熵
在线阅读 下载PDF
基于经验模态分解的冲击载荷高效识别方法
14
作者 刘玲 杨晓明 张力 《机械强度》 北大核心 2025年第8期82-90,共9页
针对传统冲击载荷识别方法所需传感器数量多、采样频率高以及识别精度低等问题,提出了一种基于经验模态分解技术的冲击载荷识别新方法。利用经验模态分解技术分解了完整的冲击响应,并获取了模态加速度响应,通过度量模态加速度响应中未... 针对传统冲击载荷识别方法所需传感器数量多、采样频率高以及识别精度低等问题,提出了一种基于经验模态分解技术的冲击载荷识别新方法。利用经验模态分解技术分解了完整的冲击响应,并获取了模态加速度响应,通过度量模态加速度响应中未校正振型向量和振型矩阵列向量的共线性即可快速实现冲击定位。根据定位结果,构建了优化目标函数,采用高斯基函数对冲击载荷时间历程进行了拟合,并利用二维梯度下降法快速求解了最优拟合参数。在尺寸为600 mm×200 mm×3 mm的悬臂板上进行的试验表明,在仅使用一个加速度计的前提下,36次冲击定位测试的成功率为91.67%,并且重构结果的峰值相对误差和相对误差指标分别低于10%和40%。 展开更多
关键词 冲击载荷识别 经验模态分解 模态加速度响应 未校正振型向量 基函数拟合
在线阅读 下载PDF
基于经验模态分解的加权呼吸波形重构算法
15
作者 郭林林 姚敏 +2 位作者 张文清 张佳 孙建德 《图学学报》 北大核心 2025年第4期847-854,共8页
基于Wi-Fi信号的呼吸速率估计技术凭借其非接触式的优势吸引了学术界和工业界的广泛关注。然而,如何提取高质量呼吸波形确保呼吸速率估计的精度是一直困扰研究人员的难题。提出了一种基于经验模态分解(EMD)的加权呼吸波形重构算法(WEMD)... 基于Wi-Fi信号的呼吸速率估计技术凭借其非接触式的优势吸引了学术界和工业界的广泛关注。然而,如何提取高质量呼吸波形确保呼吸速率估计的精度是一直困扰研究人员的难题。提出了一种基于经验模态分解(EMD)的加权呼吸波形重构算法(WEMD),旨在提高不同环境下个体呼吸速率估计的精准度和鲁棒性。首先,利用呼吸信噪比(BNR)和I/O分解及投影方法,筛选出周期性较好的子载波并生成多条呼吸波形。其次,通过主成分分析(PCA)技术校准呼吸波形、经验模态分解方法分解和估计不同频率分量与原始呼吸模式的相关性。最后,通过设计的自适应加权算法对不同呼吸波形进行重构融合实现高精准的个体呼吸速率估计。实验结果表明,WEMD算法在4个室内环境下获得平均94%以上的人体呼吸速率估计精准度。该方法不仅有效地解决低质量Wi-Fi数据对呼吸速率估计精度的影响,而且也能够精准估计不均匀呼吸的速率,实现在不同环境下高精度地监测人体呼吸,以保证估计误差在10%以内。 展开更多
关键词 无线感知 信道状态信息 经验模态分解 呼吸波形重构 呼吸速率估计
在线阅读 下载PDF
基于集合经验模态分解和Q学习策略的短期负荷预测模型
16
作者 段秦尉 何祥针 +2 位作者 潮铸 谢祥中 兰萱丽 《现代电力》 北大核心 2025年第2期360-368,共9页
短期负荷预测对电力系统的安全稳定运行有着重要意义,为此,提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先,采用集合经验模态分解对原始负荷序列进行分解,以降低预测难度。其次,在此基础上分别采用卷积神经网络... 短期负荷预测对电力系统的安全稳定运行有着重要意义,为此,提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先,采用集合经验模态分解对原始负荷序列进行分解,以降低预测难度。其次,在此基础上分别采用卷积神经网络、残差神经网络、长短时记忆神经网络和门控循环单元网络4个深度学习模型进行预测得到4个预测结果,再对其加权组合获得最终的负荷预测值。第三,利用Q学习策略对组合权重进行优化,进而最大化组合模型的预测性能。最后,通过某地区真实采集的负荷数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性。 展开更多
关键词 短期负荷预测 集合经验模态分解 深度学习模型 Q学习策略
在线阅读 下载PDF
基于时变滤波经验模态分解-重构和独立自注意力机制的iTransformer超短期负荷预测方法
17
作者 范士雄 李东琦 +3 位作者 郭剑波 王铁柱 马士聪 赵泽宁 《电网技术》 北大核心 2025年第6期2436-2445,I0077,I0078,共12页
准确的负荷预测对电力系统安全稳定运行至关重要。为了进一步提高负荷预测的精准度,将数据处理和模型改进的方法相融合,提出了一种基于时变滤波经验模态分解(time-varying filter empirical mode decomposition,TVF-EMD)-重构和独立自... 准确的负荷预测对电力系统安全稳定运行至关重要。为了进一步提高负荷预测的精准度,将数据处理和模型改进的方法相融合,提出了一种基于时变滤波经验模态分解(time-varying filter empirical mode decomposition,TVF-EMD)-重构和独立自注意力(stand-alone self-attention,SASA)机制的iTransformer超短期负荷预测方法。首先,针对超短期负荷数据的非平稳和非线性特性,采用TVF-EMD对负荷数据进行分解,得到若干本征模态函数(intrinsic mode function,IMF),通过样本熵(sample entropy,SE)按熵值的大小将IMF分量进行重组;其次,对iTransformer神经网络进行改进,引入一种独立自注意力机制替换iTransformer编码器中的自注意力机制,有效提升了模型捕捉不同变量的依赖关系的能力;最后,将重组后的分量输入到基于独立自注意力机制的iTransformer中进行预测,将得到的结果进行叠加得到最终的预测值。以我国某地区220k V变电站高压侧的实际有功负荷数据集为例进行验证并与现有主流模型进行对比,结果表明该文采用的预测方法具有更好的预测性能。 展开更多
关键词 超短期负荷预测 时变滤波经验模态分解 样本熵 iTransformer模型 注意力机制
在线阅读 下载PDF
基于曲波转换和经验模态分解技术的矿井地震数据去噪方法
18
作者 刘党党 王兵 +3 位作者 宗培超 冯国轩 李志勇 孙瑞雪 《中国煤炭》 北大核心 2025年第7期179-188,共10页
针对井工煤矿地震透射数据随机噪音和相干噪音严重、地震数据波场信息复杂、频带过滤等常规方法去噪效果不理想的情况,以三道沟煤矿45206工作面为例,采用曲波转换阈值滤波方法和经验模态分解技术(EMD)相结合,对工作面地震透射数据进行... 针对井工煤矿地震透射数据随机噪音和相干噪音严重、地震数据波场信息复杂、频带过滤等常规方法去噪效果不理想的情况,以三道沟煤矿45206工作面为例,采用曲波转换阈值滤波方法和经验模态分解技术(EMD)相结合,对工作面地震透射数据进行去噪处理,运用曲波转换先消除部分随机噪音和相干噪音,再用EMD进一步去除高频干扰,提取有效信号,提高数据质量。通过对比去噪前后数据获得的工作面三维逆时偏移成像结果,验证了该去噪方法对地震资料的信噪比和分辨率有明显提高。 展开更多
关键词 曲波转换方法 经验模态分解 矿井地震透射 数据去噪 相干噪音 随机噪音
在线阅读 下载PDF
基于经验模态分解和小波包能量熵的杉木加载过程中细观损伤监测与识别 被引量：2
19
作者 赵东 马荣宇 +2 位作者 于立川 赵健 刘嘉辉 《北京林业大学学报》 CAS CSCD 北大核心 2024年第3期123-131,共9页
【目的】细观损伤是承载木材断裂的主要原因之一。木材的多孔层状结构使其损伤过程变得复杂,针对单一信号处理方法较难充分挖掘木材断裂声发射信号中的细观损伤信息,造成识别信息不充分、不完备的问题。本研究提出通过经验模态分解(EMD... 【目的】细观损伤是承载木材断裂的主要原因之一。木材的多孔层状结构使其损伤过程变得复杂,针对单一信号处理方法较难充分挖掘木材断裂声发射信号中的细观损伤信息,造成识别信息不充分、不完备的问题。本研究提出通过经验模态分解(EMD)和小波包能量熵结合的信号处理方法,通过声发射无损检测手段,识别杉木加载过程中的细观损伤类型。【方法】以杉木为研究对象,进行单轴压缩、双悬臂梁和顺纹拉伸3种单一损伤试验,并对其进行加载过程中声发射信号的采集、监测与分析。通过小波包阈值法消除损伤试验中采集的声发射信号噪声,经由EMD和相关系数计算,分离出最能体现杉木细观损伤特征的本征模态(IMF)分量,并对IMF分量进行基于傅里叶变换的峰值频率分析和小波包能量熵分析,提取杉木细观损伤的特征。【结果】(1)EMD和小波包能量熵结合的信号处理方法能够判断杉木加载过程中声发射信号对应的细观损伤类型与构成。(2)杉木不同细观损伤类型的声发射信号对应不同的小波包能量熵区间:胞壁屈曲与塌溃(0.69~0.99)、层间开裂(1.57~1.78)、纤维束断裂(1.92~2.27)。(3)宏观断口观察和电镜显微分析验证了该方法的准确性。【结论】经验模态分解–小波包能量熵法避免了声发射信号模态堆叠的影响,并解决了木材细观损伤复杂且难以识别的问题,为杉木木材断裂的早期诊断方法提供了理论支撑。 展开更多
关键词 木材细观损伤识别 声发射 小波包变换 能量熵 经验模态分解(EMD)
在线阅读 下载PDF
基于模态分解和误差修正的短期电力负荷预测
20
作者 鄢化彪 李东丽 +2 位作者 黄绿娥 张航菘 姚龙龙 《电子测量技术》 北大核心 2025年第5期92-101,共10页
针对电力负荷非线性、高波动性和强随机性等特性导致无法充分提取时序特征引起预测误差较大的问题,提出了基于改进的自适应白噪声完全集合经验模态分解和误差修正的双向时间卷积网络-双向长短期记忆网络短期电力负荷预测方法。先由最大... 针对电力负荷非线性、高波动性和强随机性等特性导致无法充分提取时序特征引起预测误差较大的问题,提出了基于改进的自适应白噪声完全集合经验模态分解和误差修正的双向时间卷积网络-双向长短期记忆网络短期电力负荷预测方法。先由最大信息系数筛选出与负荷高度相关的特征集,以削弱特征冗余;通过改进的自适应白噪声完全集合经验模态分解将高波动性的负荷分解为频率各异的本征模态分量和残差,以降低非平稳性;引入样本熵将复杂度相近的分量重构成新子序列,以降低计算量;然后,结合并行双向时间卷积网络提取不同尺度的特征,利用双向长短期记忆网络对负荷序列初步预测,使用麻雀优化算法对神经网络超参数调优;最后,误差序列通过误差修正模块对初始预测值进行修正。经实验验证,与其他预测模型相比,RMSE最多降低51.42%,最少降低34.26%,验证了模型的准确性和有效性。 展开更多
关键词 电力负荷 短期预测 自适应经验模态分解 样本熵 双向时间卷积网络 双向长短期记忆 麻雀搜索算法
在线阅读 下载PDF
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 2 … 174 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部