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89篇文章
< 1 2 … 5 >
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：
基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型
1
作者 唐非 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期735-744,共10页
针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后... 针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。 展开更多
关键词 风能 短期风速 组合预测 互补集成经验模态分解 多模型 Stacking融合
在线阅读 下载PDF
基于集成经验模态分解的海杂波去噪 被引量：17
2
作者 行鸿彦 朱清清 《电子学报》 EI CAS CSCD 北大核心 2016年第1期1-7,共7页
针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占... 针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级. 展开更多
关键词 海杂波 集成经验模态分解 自相关函数 Savitzky Golay滤波
在线阅读 下载PDF
基于改进完备集成经验模态分解的钢丝绳缺陷漏磁检测方法 被引量：3
3
作者 钟小勇 陈科安 张小红 《工矿自动化》 北大核心 2022年第7期118-124,共7页
钢丝绳小缺陷信号往往被淹没在股波噪声中,存在钢丝绳小缺陷检测困难、易漏检等问题。针对该问题,提出了一种基于改进完备集成经验模态分解(ICEEMD)的钢丝绳缺陷漏磁检测方法。为了避免钢丝绳表面润滑剂或尘埃对检测信号造成影响,采用... 钢丝绳小缺陷信号往往被淹没在股波噪声中,存在钢丝绳小缺陷检测困难、易漏检等问题。针对该问题,提出了一种基于改进完备集成经验模态分解(ICEEMD)的钢丝绳缺陷漏磁检测方法。为了避免钢丝绳表面润滑剂或尘埃对检测信号造成影响,采用电磁检测法。将ICEEMD、小波阈值滤波(WTF)、维纳滤波(WF)相结合,得到ICEEMD-WTF-WF多级降噪方法:通过ICEEMD分解钢丝绳漏磁信号,得到本征模态函数(IMF)分量;计算IMF分量的能量比、排列熵、互相关系数,取出IMF趋势分量和IMF股波噪声分量,并对股波噪声分量进行WTF,筛选有用的IMF分量重构信号;对重构后的信号进行WF,去除随机噪声。提取降噪后的缺陷特征值,输入BP神经网络并进行训练,识别钢丝绳缺陷漏磁信号。实验结果表明:ICEEMD-WTF-WF多级降噪方法对钢丝绳漏磁信号具有良好的降噪效果,信噪比、峭度指标优于WTF、移动平均滤波和WF;基于ICEEMD-WTF-WF的BP神经网络模型检测耗时短,对小缺陷的平均准判率达到98.13%,能较好地满足钢丝绳缺陷检测要求。 展开更多
关键词 钢丝绳 小缺陷检测 漏磁检测 改进完备集成经验模态分解 小波阈值滤波 维纳滤波 多级降噪
在线阅读 下载PDF
基于集成经验模态分解的弹道导弹关机点估计算法
4
作者 朱特浩 陆小科 +1 位作者 胡昌林 郝欣 《现代雷达》 CSCD 北大核心 2020年第5期40-45,共6页
落点估计精度是弹道导弹防御系统最重要的性能指标之一,而关机点时刻是落点估计的重要参考数据之一。文中提出一种基于集成经验模态分解的弹道导弹关机点估计算法,该算法首先采用卡尔曼滤波分析主动段的航迹趋势,并粗定出关机点时刻;然... 落点估计精度是弹道导弹防御系统最重要的性能指标之一,而关机点时刻是落点估计的重要参考数据之一。文中提出一种基于集成经验模态分解的弹道导弹关机点估计算法,该算法首先采用卡尔曼滤波分析主动段的航迹趋势,并粗定出关机点时刻;然后,通过集成经验模态分解进一步提升关机点时刻估计精度;最后,通过仿真实验与常用的滤波估计算法进行了比较。结果表明:文中提出的算法在关机点时刻估计误差和结果得出延迟方面都有一定的改进,对落点估计具有重要的参考价值。 展开更多
关键词 弹道导弹防御系统 关机点估计 卡尔曼滤波 集成经验模态分解
在线阅读 下载PDF
基于Transformer和ARMA双数据驱动模型的抽水蓄能机组劣化趋势集成预测
5
作者 钟子威 祝令凯 +3 位作者 郭俊山 郑威 巩志强 商攀峰 《水电能源科学》 北大核心 2025年第3期191-195,共5页
为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根... 为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根据分解所得分量的不同时间尺度特性,利用Transformer模型对非线性分量进行预测,利用ARMA模型对线性分量进行预测,最后将预测值叠加得到最终预测结果。利用某抽水蓄能机组监测数据进行试验,结果表明,所提方法具有较好的预测性能,能够有效提高抽水蓄能机组劣化趋势预测准确性。 展开更多
关键词 劣化趋势预测 完全自适应噪声集成经验模态分解 TRANSFORMER 自回归滑动平均
在线阅读 下载PDF
集成全息希尔伯特谱分析及其在滚动轴承故障诊断中的应用 被引量：2
6
作者 彭国良 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《振动与冲击》 EI CSCD 北大核心 2024年第13期98-105,125,共9页
全息希尔伯特谱分析(holo-Hilbert spectral analysis, HHSA)是一种新的信号解调分析处理技术,其采用双层经验模态分解(empirical mode decomposition, EMD),能够有效揭示非线性或非平稳振动信号中的跨尺度耦合关系。但是,EMD在信号分... 全息希尔伯特谱分析(holo-Hilbert spectral analysis, HHSA)是一种新的信号解调分析处理技术,其采用双层经验模态分解(empirical mode decomposition, EMD),能够有效揭示非线性或非平稳振动信号中的跨尺度耦合关系。但是,EMD在信号分解过程中存在严重的模态混叠问题,导致瞬时频率估计不准确,影响了HHSA的分析精度。基于此,提出了集成全息希尔伯特谱分析(ensemble holo-Hilbert spectral analysis, EHHSA)方法。同时为了更精确解调故障特征信息,通过对载波变量进行积分,定义了一种可以揭示调制特征的调幅边际谱分析方法。最后,通过对滚动轴承仿真和实测数据进行分析,结果表明:与传统谱分析方法相比,所提EHHSA方法及调幅边际谱的特征提取性能和噪声鲁棒性更强。 展开更多
关键词 集成全息希尔伯特谱分析(EHHSA) 时频分析 集成经验模态分解(EEMD) 故障诊断
在线阅读 下载PDF
融合三支聚类与分解集成学习的股票价格预测模型
7
作者 白军成 孙秉珍 +2 位作者 郭誉齐 陈有为 郭建峰 《运筹与管理》 CSSCI CSCD 北大核心 2024年第8期213-218,共6页
准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测... 准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测的准确性,将是值得深入探讨的科学问题。为了获得准确的预测,帮助投资者赢得最大利润,本文引入分解集成思想和三支决策理论,提出了一种基于三支聚类和分解集成的复合预测方法。首先,使用互补集成经验模态分解方法将原始时间序列分解成若干个相对平稳的子序列,实现降低原始时间序列复杂性的同时挖掘了隐藏的信息。其次,为了针对性地处理不同属性的子序列,构建了基于贝叶斯风险决策的概率粗糙集进行三支聚类。接着,为了避免输入信息的欠缺或者冗余信息的干扰,采用基于相空间重构的特征选择方法确定不同神经网络的输入结构。最后,将提出的方法应用于美股ANY价格预测和国际、国内的重要股票指数以及其成分股预测验证其有效性和实用性。同时为把粒计算思想方法与分解集成融合,构建复杂动态数据预测决策模型与方法进行了有益的尝试和探讨。此外,研究结果将为投资者的实际投资决策提供科学的支持与参考。 展开更多
关键词 三支聚类 互补集成经验模态分解 股票价格预测
在线阅读 下载PDF
模态联合空域估计的毫米波雷达呼吸心率检测
8
作者 廖涛 万相奎 +2 位作者 贡文新 武明虎 王滨辉 《陕西科技大学学报》 北大核心 2024年第3期188-196,共9页
在毫米波雷达检测人体呼吸率和心率过程中,周围环境存在的静态杂波使得雷达极难分辨人体胸腔运动信息,从而影响了呼吸信号和心跳信号的分离.同时,由于呼吸信号在高频带的谐波分量与心跳信号所处低频带部分的频率相近,很难分离.为解决上... 在毫米波雷达检测人体呼吸率和心率过程中,周围环境存在的静态杂波使得雷达极难分辨人体胸腔运动信息,从而影响了呼吸信号和心跳信号的分离.同时,由于呼吸信号在高频带的谐波分量与心跳信号所处低频带部分的频率相近,很难分离.为解决上述问题,提出了一种模态联合空域估计的检测方法,主要采用单轮集成经验模态分解(SEEMD)算法将胸腔相位信号分解为各模态分量,以消除静态杂波对呼吸心跳信号的影响,再采用多重信号分类(MUSIC)算法将心跳模态分量信号由时域转换到空域中估计其频率,以消除呼吸谐波的影响.实验结果表明,本方法检测下的呼吸率准确率为95.76%,心率准确率为98.76%.与传统算法相比,本文所提方法下的呼吸率和心率估计更为准确. 展开更多
关键词 毫米波雷达 单轮集成经验模态分解 多重信号分类
在线阅读 下载PDF
变分模态分解和K-L散度在振动筛轴承故障诊断中的应用 被引量：3
9
作者 徐元博 蔡宗琰 《噪声与振动控制》 CSCD 2017年第4期160-165,共6页
振动筛属于振动机械设备中的筛分设备,其结构特点与运行原理与一般的旋转机械有很大不同,因此提取出的振动信号同从旋转机械提取出的振动信号也同样有较大区别,主要体现在信号中不仅存在大量背景噪声,而且成分也较为复杂。对于此类信号... 振动筛属于振动机械设备中的筛分设备,其结构特点与运行原理与一般的旋转机械有很大不同,因此提取出的振动信号同从旋转机械提取出的振动信号也同样有较大区别,主要体现在信号中不仅存在大量背景噪声,而且成分也较为复杂。对于此类信号,模态分解算法是个行之有效的方法,模态分解算法在去除大量高频噪声的同时,还能将振动信号分解成一系列具有单一成分的模态分量,从而能更好发现振动信号的物理意义。基于此,引入一种新的故障诊断方法,首先利用变分模态分解将故障信号分解为若干个窄带模态分量,然后根据K-L散度值选定最佳的分量,最后进行包络运算得出故障频率。通过仿真模拟实验与振动筛轴承故障诊断的实际应用,并与之前的经典模态分解算法——经验模态分解和集成经验模态分解进行对比,发现该算法更具有优越性和实用性。 展开更多
关键词 振动与波 振动筛 轴承故障诊断 变分模态分解 经验模态分解 集成经验模态分解
在线阅读 下载PDF
基于多尺度分解集成组合模型的碳价格预测研究 被引量：6
10
作者 王喜平 于一丁 《分布式能源》 2022年第1期1-11,共11页
准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成... 准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。 展开更多
关键词 碳价格预测 长短期记忆(LSTM)模型 门限广义自回归条件异方差(TGARCH)模型 改进型自适应白噪声完备集成经验模态(ICEEMDAN)分解 超参数优化
在线阅读 下载PDF
一种基于模态分解和机器学习的锂电池寿命预测方法 被引量：11
11
作者 肖浩逸 何晓霞 +1 位作者 梁佳佳 李春丽 《储能科学与技术》 CAS CSCD 北大核心 2022年第12期3999-4009,共11页
锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动... 锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动分量里的噪音对模型预测能力的影响,且又不完全抛弃波动分量里的特征信息,本工作提出使用随机森林(RF)算法得到每个波动分量的重要性排序和数值,以此作为每个分量对原始数据解释能力的权重。然后将权重值和不同波动分量构建的神经网络模型得到的预测结果进行加权重构,进而得到锂离子电池的RUL预测。文章对比了单一模型和组合模型预测精度,加入了RF的组合模型预测精度让五种神经网络的表现都有进一步的提升。最后,对表现较好的两种网络——LSTM和GRU引入了简单编码解码(SED)的机制,让其更好地学习到序列数据全局时间上的特征和远程的依赖关系。以NASA数据集作为研究对象进行该方法的性能测试。实验结果表明,CEEMDAN-RF-SED-LSTM模型对电池RUL预测表现效果好,预测结果相比单一模型具有更低的误差。 展开更多
关键词 锂离子电池 寿命预测 自适应白噪声完整集成经验模态分解 随机森林 神经网络
在线阅读 下载PDF
基于数据预处理和集成机器学习的锂离子电池剩余使用寿命预测 被引量：4
12
作者 罗杰 王海瑞 朱贵富 《陕西理工大学学报（自然科学版）》 2023年第6期62-70,共9页
针对锂离子电池容量退化存在局部再生现象,导致单一模型预测不准确问题,提出了一种基于数据预处理和集成机器学习的锂离子电池剩余使用寿命(RUL)预测方法。首先,利用自适应噪声完全集成经验模态分解(CEEMDAN)算法将锂离子电池容量退化... 针对锂离子电池容量退化存在局部再生现象,导致单一模型预测不准确问题,提出了一种基于数据预处理和集成机器学习的锂离子电池剩余使用寿命(RUL)预测方法。首先,利用自适应噪声完全集成经验模态分解(CEEMDAN)算法将锂离子电池容量退化序列分解成波动数据和主趋势两个部分。然后,使用时域卷积网络(TCN)和多头注意力机制(MHA)的组合模型预测波动数据部分。对于主趋势部分,选择差分自回归移动平均模型(ARIMA)进行预测。最后,集成各预测结果得到锂离子电池剩余使用寿命的预测结果。以NASA公开的数据集进行验证,实验结果表明:四组电池的均方根误差不超过1.85%,平均绝对误差在1.25%以内。证明了所提出的多模型融合方法具有良好的预测性能和鲁棒性。 展开更多
关键词 自适应噪声完全集成经验模态分解 时域卷积网络 差分自回归移动平均模型 多头注意力机制 锂离子电池
在线阅读 下载PDF
基于数据分解集成和高频数据建模的汇率波动率预测 被引量：1
13
作者 李永武 秦怡雯 +1 位作者 李健 王雅实 《运筹与管理》 CSSCI CSCD 北大核心 2023年第5期168-174,共7页
汇率波动率是刻画外汇金融资产收益变化程度的指标,也是度量外汇风险的方法之一,汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征,准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性,... 汇率波动率是刻画外汇金融资产收益变化程度的指标,也是度量外汇风险的方法之一,汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征,准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性,本文采用基于人民币汇率高频数据计算的已实现波动率和机器学习方法,对数据进行分解集成和建模,提出了一种有效的多尺度EEMD-PSR-SVR-ARIMA预测模型。具体过程如下:首先,采用集合经验模态分解(EEMD)的方法将复杂的时间序列分解成不同尺度的本征模态函数和趋势项;然后采用支持向量回归(SVR)的方法对本征模态函数进行预测,并利用相空间重构和粒子群优化的方法来确定SVR模型的输入维数与参数。同时,使用差分自回归移动平均模型(ARIMA)预测趋势项;最后集成得到模型预测的结果。实证结果表明EEMD-PSR-SVR-ARIMA模型可以有效地提高汇率波动率预测的精度。 展开更多
关键词 汇率波动率预测 集成经验模态分解 相空间重构 支持向量回归
在线阅读 下载PDF
基于放电电压平台研究的蓄电池寿命状态评估 被引量：2
14
作者 成庶 吕壮壮 +1 位作者 刘畅 向超群 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第3期1266-1274,共9页
为解决传统动车组镍镉蓄电池的返修方法导致部分蓄电池在触发返修条件前已性能劣化,同时大量已达返修标准的蓄电池性能并未过度衰退的问题,设计单体镍镉蓄电池全寿命加速老化实验并获取相关实验数据。首先,采用集成经验模态方法建立单... 为解决传统动车组镍镉蓄电池的返修方法导致部分蓄电池在触发返修条件前已性能劣化,同时大量已达返修标准的蓄电池性能并未过度衰退的问题,设计单体镍镉蓄电池全寿命加速老化实验并获取相关实验数据。首先,采用集成经验模态方法建立单体电池全寿命健康状态类别划分模型,然后运用离散小波变换消除放电电压平台数据的奇异值,进而利用极限学习机算法预测蓄电池寿命状态,最终实现对蓄电池全生命周期寿命的准确预测与健康状态评估功能。实验结果表明:相较于传统的蓄电池寿命阈值分类方法,运用集成经验模态建立的健康状态类别划分模型能有效避免蓄电池寿命末端出现误警情况。作为融合算法模型输入的放电电压平台数据易获取,基于离散小波变换的数据预处理方法可提升算法准确率近3%,最终可达到96%~98%。此外,相对于传统的神经网络模型,融合算法模型不涉及迭代,因而能兼顾算法的预测精度与计算效能。蓄电池识别健康状态的F1值为0.976 3,识别老化阶段的F1值为0.950 9,识别故障阶段的F1值为0.939 394。相较于传统的依据动车组运营里程和使用年限进而决定蓄电池是否返修的方法,融合算法模型提供了显著的评判标准,能判别蓄电池是否应该返修,并有效地识别蓄电池的健康状态,降低了动车组的运营成本,保障动车组运营安全,为电池寿命评判和检修策略的优化提供参考。 展开更多
关键词 寿命评估 集成经验模态分解 离散小波变换 极限学习机 放电电压平台 在线检测
在线阅读 下载PDF
基于CEEMD和统计参数的斜拉桥损伤识别方法研究
15
作者 刘杰 丁雪 +2 位作者 刘庆宽 王海龙 卜建清 《振动与冲击》 EI CSCD 北大核心 2024年第19期326-336,共11页
为解决仅使用互补集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法的斜拉桥信号分解存在含噪固有模态函数(intrinsic mode function,IMF)分量且不能进行损伤定量的问题,提出了一种基于CEEMD与统计参... 为解决仅使用互补集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法的斜拉桥信号分解存在含噪固有模态函数(intrinsic mode function,IMF)分量且不能进行损伤定量的问题,提出了一种基于CEEMD与统计参数方法相结合的斜拉桥损伤识别方法。该方法基于CEEMD方法对斜拉桥动力响应信号进行自适应性分解,确定适用的白噪声幅值标准差并推导CEEMD方法的集成次数,得到各阶IMF分量;采用欧氏距离对分解的IMF分量进行谱系聚类分析以避免模态混叠现象;采用峰度统计参数的有效权重峰度指标方法滤除含噪IMF分量,提取有效IMF分量并重构为有效IMF分量和;利用变异系数统计参数、二阶中心差分法和泰勒展开式推导损伤定位指标,根据四阶统计矩峰度统计参数推导损伤定量指标。用所提方法对某斜拉桥进行损伤识别研究,结果表明:仿真分析的损伤定位识别精度为100%,损伤定量最大误差为1.80%;在高斯白噪声干扰下,损伤定位不受影响,损伤定量最大误差为1.88%;进行实桥的损伤识别,结果表明实桥主梁无损伤。 展开更多
关键词 斜拉桥 损伤识别方法 互补集成经验模态分解(CEEMD) 统计参数 损伤定量 噪声干扰
在线阅读 下载PDF
基于CEEMDAN-AsyHyperBand-MultiTCN的短期风电功率预测 被引量：2
16
作者 刘凡 李捍东 覃涛 《太阳能学报》 EI CAS CSCD 北大核心 2024年第1期151-158,共8页
为减少风电功率短期预测误差,提高风电利用效率,提出一种基于经验模态分解和异步超参数优化的多层时间卷积网络(CEEMDAN-AsyHyperBand-MultiTCN)的短期风电功率预测方法。首先,确定序列分量的数量,并使用自适应噪声完备集合经验模态分解... 为减少风电功率短期预测误差,提高风电利用效率,提出一种基于经验模态分解和异步超参数优化的多层时间卷积网络(CEEMDAN-AsyHyperBand-MultiTCN)的短期风电功率预测方法。首先,确定序列分量的数量,并使用自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率进行分解,构成训练数据集。其次,使用深度残差级联(DRnet)构建多层的时间卷积网络(TCN),并使用AsyHyperband算法对序列分量模型进行超参数寻优。最后,对序列分量分别进行预测,重构预测结果得到预测值。实验表明,该文提出的方法相比于其他方法能有效降低风电功率预测误差。 展开更多
关键词 风电功率 预测 神经网络 多层 集成经验模态分解 超参数搜索
在线阅读 下载PDF
基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究 被引量：4
17
作者 程小龙 张斌 +1 位作者 刘相杰 刘陶胜 《人民黄河》 CAS 北大核心 2024年第1期146-150,共5页
为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分... 为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。 展开更多
关键词 自适应噪声完备集成经验模态分解 数据处理群集法 差分自回归移动平均模型算法 大坝 变形预测 江西上犹江水电站
在线阅读 下载PDF
基于深度学习的双阶段大坝变形预测模型 被引量：1
18
作者 唐艳 杨孟 +2 位作者 李斌 郭经红 陈艺征 《中国农村水利水电》 北大核心 2024年第3期225-230,237,共7页
为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum A... 为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum Analysis,SSA)的多级数据降噪技术。这能有效地消除监测数据中的噪声和异常值,提高数据质量,为后续预测提供更合理的大坝变形数据。随后构建基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的深度学习模型。采用CNN从监测数据中提取丰富的特征,利用GRU来捕获和处理时间序列数据中的长期依赖关系。为了增强模型的表现,引入了自注意力机制,以帮助模型更好地处理和识别数据中的复杂模式。通过与其他预测方法的比较,实验结果表明,该方法在大坝位移预测的准确性和稳定性方面相较于其他方法有显著的提升,能够为大坝变形监控领域提供新方法。 展开更多
关键词 完全集成经验模态分解 卷积神经网络 门控循环单元 大坝位移预测
在线阅读 下载PDF
CEEMDAN-LSTM框架下的天然地震与矿震区分技术研究
19
作者 闫昭阳 朱景宝 +2 位作者 刘赫奕 宋晋东 李山有 《煤炭学报》 CSCD 北大核心 2024年第S2期731-745,共15页
准确识别矿震和天然地震有着重要意义。一方面,使用纯粹的天然地震目录进行活断层划分、强震预测、应力场计算等更深层的地震学研究。另一方面,确定完善的矿震目录有助于开采部门对相关行为进行监管。从矿震和天然地震的频谱特征入手,... 准确识别矿震和天然地震有着重要意义。一方面,使用纯粹的天然地震目录进行活断层划分、强震预测、应力场计算等更深层的地震学研究。另一方面,确定完善的矿震目录有助于开采部门对相关行为进行监管。从矿震和天然地震的频谱特征入手,通过对数据的短周期面波进行识别,利用改进的完全集成经验模态分解法(CEEMDAN),结合长短期记忆网络(LSTM)对辽宁地区和日本的矿震与地震事件进行了区分研究。首先对矿震和天然地震的波形数据进行基线矫正、P波到时等预处理;然后使用CEEMDAN分解出不同的固有模态函数(IMFs),并通过提取IMFs的方差贡献率作为特征来识别矿震的短周期面波成分;之后将其输入LSTM模型进行分类训练,最终形成准确的分类模型。结果表明,CEEMDAN-LSTM模型能有效解决模态中噪声与短周期面波的混叠问题,提高分类的准确性,分类成功率显著提高。此外,还探讨了不同分类特征和不同分类模型的优势与局限,为未来地震事件的自动识别提供了有效的技术支持和新思路。这不仅增强了对矿震与天然地震特征的理解,也为地震预警与灾害防控提供了科学依据,并指出未来研究可以更进一步从速度上优化该模型,同样也可以以此模型为基础进行更多的非天然地震事件的分类。 展开更多
关键词 矿震 完全集成经验模态分解法 地震预警 长短期记忆网络 信号处理
在线阅读 下载PDF
基于EEMD-NGO-LSTM神经网络耦合的月径流预测模型及应用 被引量：4
20
作者 张冲 王千凤 +2 位作者 齐新虎 王思宇 陈末 《水力发电》 CAS 2024年第1期1-7,共7页
为了提高径流序列的稳定度和精度,减小参数优化不当导致的非线性误差,研究将长短期记忆神经网络(LSTM)、集成经验模态分解(EEMD)和北方苍鹰优化算法(NGO)相结合,构建了EEMD-NGO-LSTM耦合预测模型。将此预测模型应用于模拟东辽河中下游... 为了提高径流序列的稳定度和精度,减小参数优化不当导致的非线性误差,研究将长短期记忆神经网络(LSTM)、集成经验模态分解(EEMD)和北方苍鹰优化算法(NGO)相结合,构建了EEMD-NGO-LSTM耦合预测模型。将此预测模型应用于模拟东辽河中下游的控制总站——王奔水文站2012年~2021年逐月径流过程,并与鲸鱼算法(WOA)以及灰狼算法(GWO)优化的长短期记忆神经网络进行模型比较。结果表明,EEMD-NGO-LSTM耦合预测模型的超参数迭代速度最快,精度最高,预测结果最接近实测值,其决定系数R^(2)为0.8643。而后采用CMIP6气候模式(SSP126情景)下的2030年的降水、气温数据输入模型进行预测,在气温上升1℃,降水不变的情景下,年径流量将增加6.61%;在降水升高5%,气温不变的情景下,年径流量将增加6.95%;在气温上升1℃、降水升高5%的情境下,年径流量将增加22.16%。 展开更多
关键词 月径流预测 集成经验模态分解 北方苍鹰优化算法 长短期记忆神经网络 耦合模型 预测精度
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 … 5 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