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784篇文章
< 1 2 … 40 >
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：
基于门控注意网络模型的天然气管道泄漏检测新方法 被引量：2
1
作者 董宏丽 孙桐 +2 位作者 王闯 杨帆 商柔 《天然气工业》 北大核心 2025年第1期25-36,共12页
准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模... 准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模型的初始超参数选择通常是随机的,这也可能会导致识别性能不稳定。为了提升天然气管道泄漏检测的准确性,提出一种基于麻雀搜索算法的门控注意网络模型(Sparrow Search Algorithm-based Gate Attention Network, SGAN)。首先,为了提取有效且具有鲁棒性的数据特征,采用带交叉熵函数的麻雀搜索算法对门控循环单元的初始超参数进行全局搜索;然后,设计了一种异常注意力机制,通过对数据特征进行加权来放大正常和泄漏数据之间的区分差异;最后,将所提算法应用于天然气管道的泄漏检测。研究结果表明:(1) SGAN模型能够实现模型超参数的自适应优化,并加快了模型的收敛速度,使模型性能更加稳定;(2) SGAN模型通过对正常与泄漏特征进行加权处理,显著提升了数据特征的区分效果;(3) SGAN模型的学习表示能力和泛化能力得到了明显加强,以此提高了对数据的分类性能;(4) SGAN模型能够显著提高天然气管道泄漏检测的准确率和召回率,可减少误报率和漏报率,并且其性能明显优于常规分类算法。结论认为,SGAN模型通过自适应优化和异常注意力机制结合,能精准识别泄漏特征,并快速响应天然气管道中的泄漏情况,有效提升了检测的准确性和可靠性,显著降低了安全事故风险,为天然气管道泄漏检测提供了一种高效、智能的解决新方案。 展开更多
关键词 天然气管道 泄漏检测 麻雀搜索算法 门控循环单元 异常注意力机制 自适应优化 智能
在线阅读 下载PDF
一种适用于混合三端直流输电线路的故障定位方法 被引量：1
2
作者 高淑萍 杨莉莉 +2 位作者 武心宇 周晋宇 宋国兵 《西安交通大学学报》 EI CAS 北大核心 2025年第1期37-46,共10页
针对因结构复杂导致的混合三端直流输电线路故障定位困难的问题,提出了一种结合变分模态分解算法与改进卷积神经网络(CNN)的故障定位方法(VMD-CNN)。首先,利用PSCAD/EMTDC软件构建混合三端直流输电系统模型,获得故障电流数据,应用克拉... 针对因结构复杂导致的混合三端直流输电线路故障定位困难的问题,提出了一种结合变分模态分解算法与改进卷积神经网络(CNN)的故障定位方法(VMD-CNN)。首先,利用PSCAD/EMTDC软件构建混合三端直流输电系统模型,获得故障电流数据,应用克拉克变换对其解耦,获取故障电流的线模分量;其次,对得到的线模分量进行变分模态分解(VMD),得到多个本征模态函数(IMF)分量,选取特征信息最丰富的IMF分量作为VMD-CNN模型的输入;然后,利用高效的分类模型支持向量机(SVM)判别故障发生的区域,将提取到的IMF分量作为SVM输入进行训练学习,可以准确判断出故障发生区域;最后,搭建VMD-CNN模型进行故障定位,挖掘出行波信号中蕴藏的故障信息,同时通过麻雀搜索算法优化CNN中的超参数,实现混合三端直流输电线路的精确定位。仿真结果表明:过渡电阻为100Ω,不同故障位置情况下的定位相对误差均在0.17%以内;故障位置为460 km,不同过渡电阻情况下的定位相对误差均在0.25%以内;过渡电阻为50Ω,不同故障类型情况下的相对误差均在0.3%以内。所提方法能够提升不同故障位置、过渡电阻和故障类型下的定位准确性。 展开更多
关键词 混合三端直流输电 故障定位 变分模态分解 卷积神经网络 麻雀搜索算法
在线阅读 下载PDF
小样本下基于改进麻雀算法优化卷积神经网络的飞轮储能系统损耗 被引量：2
3
作者 魏乐 李承霖 +1 位作者 房方 刘渝斌 《电网技术》 北大核心 2025年第1期366-372,I0113-I0115,共10页
飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵... 飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵武电厂的飞轮运行数据进行预处理,并使用对抗生成网络进行小样本扩充;然后基于卷积神经网络建立损耗模型,使用改进的麻雀算法对模型超参数进行优化,并通过对比验证了该模型的优越性;最后通过仿真实验证明了该模型能够优化飞轮储能系统的出力,降低飞轮损耗。 展开更多
关键词 飞轮储能系统损耗 小样本学习 卷积神经网络 麻雀搜索算法 LOGISTIC混沌映射
在线阅读 下载PDF
基于Levy飞行和麻雀搜索算法优化集成学习模型的水质估算 被引量：3
4
作者 李爱民 康轩 +3 位作者 袁铮 王海隆 闫翔宇 许有成 《同济大学学报(自然科学版)》 北大核心 2025年第3期450-461,共12页
由于水体的光学复杂性和不同水质参数之间的相互作用,利用集成学习方法估算水质参数具有优势;然而,在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数;而Levy飞行算法可以防止麻雀搜索算... 由于水体的光学复杂性和不同水质参数之间的相互作用,利用集成学习方法估算水质参数具有优势;然而,在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数;而Levy飞行算法可以防止麻雀搜索算法(Sparrow Search Algorithm,SSA)陷入局部最优,并提高模型的准确性和效率。使用Levy飞行算法和麻雀搜索算法对随机森林(RandomForest,RF)、自适应回归(AdaBoost Regression,ABR)和类别提升回归(CatBoost Regression,CBR)3种集成学习模型进行了优化。以郑州东风渠和熊耳河为研究区,基于实测叶绿素a(chlorophyll-a,Chl-a)和总悬浮物(total suspended solids,TSM)数据,构建了LSSA-RF、LSSA-ABR和LSSA-CBR这3种估算模型。实验结果表明:模型经过优化后,各项指标均有不同程度的提高。其中表现最优的是LSSA-CBR模型;CBR模型是在梯度提升框架下进行的建模,对比RF和CBR模型具有更高维度的学习能力。在叶绿素a的估算中,LSSA-CBR估算模型的均方根误差为2.325μg·L^(-1),决定系数为0.896;在总悬浮物的估算中,LSSA-CBR模型的均方根误差为1.598 mg·L^(-1),决定系数为0.882。最后,将精度较好的LSSA-CBR模型应用于卫星Planet影像中,以评估河流叶绿素a和总悬浮物的空间分布情况。研究结果可为环保部门快速了解城市河流水质分布及进行水质评价与管理提供参考。 展开更多
关键词 叶绿素a 总悬浮物 集成学习模型 Levy飞行—麻雀搜索算法 城市河流
在线阅读 下载PDF
改进SSA优化BP神经网络的变压器故障诊断 被引量：2
5
作者 汪繁荣 汪筠涵 江俊杰 《现代电子技术》 北大核心 2025年第4期145-150,共6页
变压器故障类型的准确诊断对保障电网的安全与稳定至关重要。针对BP神经网络与麻雀搜索算法(SSA)存在收敛缓慢和易陷入局部极值导致无法准确诊断的问题,提出将改进的麻雀搜索算法(ISSA)优化BP神经网络应用于变压器故障诊断。首先,引入... 变压器故障类型的准确诊断对保障电网的安全与稳定至关重要。针对BP神经网络与麻雀搜索算法(SSA)存在收敛缓慢和易陷入局部极值导致无法准确诊断的问题,提出将改进的麻雀搜索算法(ISSA)优化BP神经网络应用于变压器故障诊断。首先,引入非线性惯性权重和纵横交叉策略,从而提高算法的收敛速度和全局寻优能力;其次,将ISSA与传统SSA在收敛函数上进行对比分析,得到ISSA算法在迭代12次后以52%的准确率收敛,而SSA算法迭代23次后才达到25%的准确率,证明了ISSA在收敛速度和精度方面有明显提高;最后,将ISSA-BP、SSA-BP和BP诊断模型进行对比。实验结果表明,ISSA-BP模型准确率达到了97%,比SSA-BP、BP神经网络模型分别提高了4%和11%,可以认为提出的算法模型在变压器故障诊断领域具有更高的精度与良好的发展前景。 展开更多
关键词 麻雀搜索算法 BP神经网络 变压器 故障诊断 非线性惯性权重 纵横交叉策略
在线阅读 下载PDF
改进SSA-HKELM模型在海洋弯管剩余寿命预测中的应用 被引量：1
6
作者 骆正山 王良雨 +1 位作者 高懿琼 骆济豪 《安全与环境学报》 北大核心 2025年第5期1770-1779,共10页
针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布... 针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布,采用黄金正弦、Tent混沌扰动和柯西变异提高麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛速度和搜索能力,运用ISSA算法优化HKELM的网络参数,构建海洋弯管腐蚀深度预测模型。依据改进的ASME B31G剩余强度评价准则,计算最大允许腐蚀深度,结合管道腐蚀发展趋势模型,对薄弱弯管进行腐蚀剩余寿命预测。以某海洋管道弯管试验数据为基础对模型进行验证,模型预测精度高达0.989 7,能较好地预测海洋弯管的最大腐蚀深度及未来腐蚀发展趋势。寿命预测结果表明,部分弯管剩余寿命未超过其预期服役时间,为海洋弯管的安全运维及维修更换提供了决策支持。 展开更多
关键词 安全工程 海洋弯管 剩余寿命 改进麻雀搜索算法 混合核极限学习机 腐蚀深度预测模型
在线阅读 下载PDF
基于最优参数VMD和改进散布熵的轴承亚健康状态识别 被引量：1
7
作者 魏文军 甘洁 《铁道科学与工程学报》 北大核心 2025年第2期887-899,共13页
针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法 。首先,设计改进的麻雀搜索算法(improved sparrow s... 针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法 。首先,设计改进的麻雀搜索算法(improved sparrow search algorithm, ISSA)来自适应地搜索VMD最优分解参数,从而提高VMD分解效率和质量,然后根据所确定的最优参数对信号进行VMD分解,得到一系列本征模态函数(intrinsic mode function, IMF),接着计算每个IMF与原始信号之间的皮尔逊相关系数(pearson correlation coefficient, PCC),选择相关系数大于0.3的IMF分量来重构信号,以实现信号的降噪和状态特征增强。其次,为了更好地表征轴承信号的复杂度和不规则性,并有效区分轴承健康和亚健康状态,在散布熵中引入时移多尺度分析和分数阶微积分,以提取多个尺度上的轴承微细状态特征。最后,利用欧氏距离刻画轴承状态曲线,根据切比雪夫不等式设定亚健康阈值,当欧氏距离大于亚健康阈值时给出相应预警,完成轴承亚健康状态识别。在XJTU-SY和IMS轴承数据集上的试验结果表明:ISSA算法相比其他优化算法具有更高的收敛速度和精度,最优化参数VMD能有效消除模态混叠问题,改进散布熵能准确提取轴承全寿命状态微细特征。所提算法无须对模型进行训练便能准确识别轴承亚健康状态并给出预警,有利于维护人员更好地维护轴承运行状态。 展开更多
关键词 轴承 亚健康状态识别 最优参数VMD 改进麻雀搜索算法 时移多尺度分数阶散布熵
在线阅读 下载PDF
基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：1
8
作者 王显彬 孙阳 《机电工程》 北大核心 2025年第3期510-519,共10页
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。 展开更多
关键词 非线性振动信号 特征提取时间 故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入 麻雀搜索算法优化相关向量机
在线阅读 下载PDF
基于SSA-LSTM-Attention的日光温室环境预测模型
9
作者 孟繁佳 许瑞峰 +3 位作者 赵维娟 宋文臻 高艺璇 李莉 《农业工程学报》 北大核心 2025年第11期256-263,共8页
建立准确的温室环境预测模型有助于精准调控温室环境促进作物的生长发育,针对温室小气候具有时序性、非线性和强耦合等特点,该研究提出了一种基于SSA-LSTM-Attention(sparrow search algorithm-long short-term memoryattention mechani... 建立准确的温室环境预测模型有助于精准调控温室环境促进作物的生长发育,针对温室小气候具有时序性、非线性和强耦合等特点,该研究提出了一种基于SSA-LSTM-Attention(sparrow search algorithm-long short-term memoryattention mechanism)的日光温室环境预测模型。首先,通过温室物联网数据采集系统获取温室内外环境数据;其次,使用皮尔逊相关性分析法筛选出强相关性因子;最后,构建环境特征时间序列矩阵输入模型进行温室环境预测。对日光温室的室内温度、室内湿度、光照强度和土壤湿度4种环境因子的预测,SSA-LSTM-Attention模型的平均拟合指数达到了97.9%。相较于反向传播神经网络(back propagation neural network,BP)、门控循环单元(gate recurrent unit,GRU)、长短期记忆神经网络(long short term memory,LSTM)和LSTM-Attention(long short-term memory-attention mechanism)模型,分别提高8.1、4.1、3.5、3.0个百分点;平均绝对百分比误差为2.6%,分别降低6.5、3.2、2.8、2.5个百分点。试验结果表明,通过利用SSA自动优化LSTM-Attention模型的超参数,提高了模型预测精度,为日光温室环境超前调控提供了有效的数据支持。 展开更多
关键词 日光温室 麻雀搜索算法 长短期记忆网络 注意力机制 环境预测模型
在线阅读 下载PDF
基于SSAPSO-PID的白胡椒熟化温度控制系统设计与试验
10
作者 俞国燕 张嘉伟 +3 位作者 张园 韦丽娇 赵振华 沈德战 《农业机械学报》 北大核心 2025年第5期589-596,共8页
为解决白胡椒初加工生产线熟化环节长时间无法维持恒温控制、过度依赖人工辅助控温等问题,设计了基于PID的白胡椒初加工生产线熟化温度控制系统。利用STM32和触摸屏控制蒸汽发生器和电调节阀,PT100温度传感器实时监测温度并反馈至系统,... 为解决白胡椒初加工生产线熟化环节长时间无法维持恒温控制、过度依赖人工辅助控温等问题,设计了基于PID的白胡椒初加工生产线熟化温度控制系统。利用STM32和触摸屏控制蒸汽发生器和电调节阀,PT100温度传感器实时监测温度并反馈至系统,通过控制算法调节蒸汽流量以确保稳定控制。采用开环阶跃响应法建立并拟合了熟化机内温度与时间的数学模型,通过Simulink仿真试验对比了Ziegler-Nichols整定法、临界比例度法、衰减曲线法以及基于麻雀搜索算法的粒子群优化自整定法(SSAPSO)性能。最终确定PID最佳控制参数为比例系数K_(p)=0.8759,积分系数K_(i)=0.02,微分系数K_(d)=4.3255。系统试验结果表明,在8 min的熟化过程中,每隔1 min采集当前熟化温度,由于熟化机与空气直接对流换热,其温度稳定在(99±1.5)℃范围内,熟化温度平均相对误差小于1.2%、变异系数小于1.3%,基本实现了熟化过程中自动化精准高效控温的目的。 展开更多
关键词 白胡椒初加工生产线 熟化温度 粒子群优化算法 麻雀搜索算法 PID控制
在线阅读 下载PDF
基于WPD-ISSA-CA-CNN模型的电厂碳排放预测
11
作者 池小波 续泽晋 +1 位作者 贾新春 张伟杰 《控制工程》 北大核心 2025年第8期1387-1394,共8页
碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利... 碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利用小波包分解(wavelet packet decomposition,WPD)算法将信号按频率特性分解为子序列,再将全部分量增广(component augmentation,CA)作为模型输入,以减少模型的训练时间。其次,考虑到该模型超参数选择困难,利用多策略融合的改进麻雀搜索算法(improved sparrow search algorithm,ISSA)对卷积神经网络(convolutional neural networks,CNNs)的超参数进行寻优。以山西某发电厂2×25 MW锅炉的历史数据为样本,利用5种评价指标将所提模型与BP、LSTM、CNN及其混合模型进行对比。结果表明,所提混合模型在预测火力发电碳排放中各指标均有最佳的准确度且模型训练速度明显提升。 展开更多
关键词 碳排放预测 小波包分解 改进麻雀搜索算法 卷积神经网络
在线阅读 下载PDF
基于改进SSA-BPNN的煤层气直井井底流压预测研究
12
作者 余洋 董银涛 +3 位作者 李云波 包宇 张立侠 孙浩 《油气藏评价与开发》 北大核心 2025年第2期250-256,共7页
煤层气资源广泛应用直井开发,采用控压控水的排采制度,井底流压是排采方案设计与设备选型的重要参数,因此,煤层气直井井底流压预测具有重要的意义。为了便捷、准确地预测煤层气直井井底流压,指导煤层气井的控压排采,引入机器学习领域中... 煤层气资源广泛应用直井开发,采用控压控水的排采制度,井底流压是排采方案设计与设备选型的重要参数,因此,煤层气直井井底流压预测具有重要的意义。为了便捷、准确地预测煤层气直井井底流压,指导煤层气井的控压排采,引入机器学习领域中的反向传播神经网络(BPNN)模型,同时对麻雀搜索算法(SSA)进行改进,耦合构建基于改进麻雀搜索算法-反向传播神经网络(SSA-BPNN)的煤层气直井井底流压预测模型。选取了生产现场常规测量的5个影响井底流压的参数作为井底流压预测模型的输入参数,相对应的井底流压数值作为井底流压预测模型的输出参数。将600组实测数据划分为训练集、验证集与测试集,完成了煤层气直井井底流压预测模型的建立与校验工作。BPNN模型与改进SSA-BPNN模型的验证集平均绝对百分比误差分别为3.10%与0.53%,可以看出利用改进SSA与BPNN的耦合建模,能够解决BPNN易陷于局部最优的问题,提高了煤层气直井井底流压的预测精度。同时将改进SSA-BPNN模型与遗传算法-支持向量回归机(GA-SVR)模型和物理模型解析方法进行对比,结果显示:3种不同模型的平均绝对百分比误差分别为1.318%、4.971%、18.156%,改进SSA-BPNN模型的误差最低,且在井底流压较低时,改进SSA-BPNN模型的预测精度显著提高,展现出较高的准确性与良好的适用性。改进SSA-BPNN模型仅需5个输入参数,减少了输入与计算参数的复杂度,且无须考虑井筒内流体分布情况,可覆盖排采各阶段,在不同压力区间都有较高准确性。 展开更多
关键词 煤层气 麻雀搜索算法 神经网络 井底流压 预测模型
在线阅读 下载PDF
基于SD-ISSA-DALSTM的交通运输业碳排放预测
13
作者 王庆荣 王俊杰 +1 位作者 朱昌锋 郝福乐 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期66-81,共16页
针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法(ISSA)和长短期记忆(LSTM)网络的交通运输业碳排放预测模型。首先,引入自适应噪声完备集合经验模态分解,... 针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法(ISSA)和长短期记忆(LSTM)网络的交通运输业碳排放预测模型。首先,引入自适应噪声完备集合经验模态分解,将交通碳排放数据序列分解为不同频率的模态分量,再利用样本熵对各分量复杂度进行量化,并利用变分模态分解对熵值最高的分量进行二次分解,进一步弱化交通碳排放数据序列的波动性和非线性;然后,为挖掘交通碳排放量与其影响因素间的关联性,构建基于双重注意力机制优化的LSTM(DALSTM)模型,在LSTM模型的输入端嵌入特征注意力机制,突出关键输入特征;同时,在输出端嵌入时间注意力机制,提取关键历史时刻信息;最后,结合Circle混沌映射、动态惯性权重因子和混合变异算子策略改进SSA算法,并对各模态分量分别建立ISSA-DALSTM模型,接着对各模态分量预测值进行重构。用所测算的中国交通运输业1990—2019年碳排放数据来对模型进行验证,结果表明,所提模型的均方根误差、均方误差、平均绝对百分比误差分别为5.3088、3.5661、0.4439,均优于其他对比模型,验证了所提模型的有效性。 展开更多
关键词 交通运输业 碳排放预测 二次分解 双重注意力机制 改进麻雀搜索算法
在线阅读 下载PDF
基于SSA-GA-BP神经网络的城轨地下线振动源强预测模型
14
作者 刘庆杰 刘博亮 +3 位作者 冯青松 徐璐 罗信伟 刘文武 《铁道科学与工程学报》 北大核心 2025年第5期2355-2366,共12页
为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素... 为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素,利用斯皮尔曼相关系数得到各类影响因素与振动源强的关系强度。分别建立基于卷积神经网络(CNN)、随机森林(RF)、支持向量机(SVM)等5个机器学习模型,对比分析了不同模型对振动源强的预测效果。使用麻雀搜索算法(SSA)和遗传算法(GA)优化BP神经网络模型的结构、超参数、权重及阈值,对比SSA-GA-BP、SSA-BP、GA-BP神经网络对振动源强的预测精度。最终使用4个差异明显且未经模型学习的新断面验证SSA-GA-BP模型的泛化能力。结果表明:5种机器学习模型中BP神经网络的非线性回归拟合能力最强,验证集MAE损失为1.55 dB,决定系数为0.948;SSA-GA-BP模型对振动源强的预测精度高于SSA-BP和GA-BP,验证集MAE、MAPE和决定系数分别为1.289 dB、1.856%和0.967,有80.11%数据的平均绝对误差在2 dB以内;SSA-GA-BP模型对4个经典的新断面数据预测效果良好,4个断面汇总数据的MAE、MSE和MAPE误差值分别为1.21 dB、2.18 dB和1.67%,决定系数为0.977,有70%数据的预测误差在2 dB以内,证明了SSA-GA-BP模型有较强的泛化能力。SSA-GA-BP振源预测模型具有较好的预测精度和快速预测能力,研究可为轨道交通地下线路设计阶段的减振降噪设计提供参考。 展开更多
关键词 城市轨道交通地下线 振动源强 预测 BP神经网络 麻雀搜索算法 遗传算法
在线阅读 下载PDF
多策略改进麻雀搜索算法优化无迹卡尔曼滤波方法
15
作者 刘建娟 李志伟 +2 位作者 姬淼鑫 吴豪然 许强伟 《科学技术与工程》 北大核心 2025年第1期227-237,共11页
针对无迹卡尔曼滤波(unscented Kalman filter,UKF)中无迹变换(unscented transform,UT)在状态估计时采样点分布状态控制参数异常对滤波性能的影响问题,提出了一种利用多策略改进麻雀搜索算法(improved sparrow search algorithm,ISSA)... 针对无迹卡尔曼滤波(unscented Kalman filter,UKF)中无迹变换(unscented transform,UT)在状态估计时采样点分布状态控制参数异常对滤波性能的影响问题,提出了一种利用多策略改进麻雀搜索算法(improved sparrow search algorithm,ISSA)对UT中采样点分布状态控制参数进行寻优调整的方法,从而优化Sigma点分布以提高非线性近似效果,改善滤波估计性能。同时针对传统麻雀搜索算法面临的易陷入局部最优和收敛速度慢等问题,首先利用Cubic混沌映射改善初始种群的多样性;其次在发现者阶段引入非线性自适应收敛因子,提高平衡算法在全局探索和局部开发方面的能力;同时在追随者阶段利用小波变异策略,以避免追随者盲目追随而导致算法陷入局部最优;最后利用自适应t分布的扰动能力增强算法的全局搜索能力。通过测试函数对ISSA算法进行仿真实验,结果表明ISSA算法具有更好的收敛性和求解精度,同时验证ISSA优化UKF算法后的仿真结果,表明了ISSA-UKF算法相比于UKF算法的位置均方根误差降低了52.2%,速度均方根误差降低了21.9%,证明了改进方法的有效性和可行性。 展开更多
关键词 无迹卡尔曼滤波 麻雀搜索算法 Cubic混沌映射 非线性自适应收敛因子 小波变异策略
在线阅读 下载PDF
基于混合模型的多类型机场航班过站时间预测
16
作者 李国 王伟倩 曹卫东 《计算机工程与设计》 北大核心 2025年第2期633-640,F0003,共9页
为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。... 为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。引入自适应鲁棒损失函数(adaptive robust loss function,ARLF)改进LightGBM模型损失函数,降低航班数据中存在离群值的影响;通过改进的麻雀搜索算法对改进后的LightGBM模型进行参数寻优,形成混合LightGBM模型。采用全国2019年全年航班数据进行验证,实验结果验证了方法的可行性。 展开更多
关键词 多类型机场 航班过站时间预测 客流量差异 天气差异 混合轻量级梯度提升机算法模型 自适应鲁棒损失函数 离群值 麻雀搜索算法
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
17
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
计及小概率场景能源管线风险的综合能源系统多目标扩展规划
18
作者 黄南天 赵暄远 +1 位作者 蔡国伟 郭玉 《电气工程学报》 北大核心 2025年第1期197-207,共11页
随着能源系统不断转型及新型负荷的快速发展,在极端高温及极端低温等小概率用能场景下,需求侧用能行为日渐复杂,综合能源系统安全稳定运行风险逐渐提升。因此,提出计及小概率高用能场景下能源管线超负荷运行风险的综合能源系统多目标扩... 随着能源系统不断转型及新型负荷的快速发展,在极端高温及极端低温等小概率用能场景下,需求侧用能行为日渐复杂,综合能源系统安全稳定运行风险逐渐提升。因此,提出计及小概率高用能场景下能源管线超负荷运行风险的综合能源系统多目标扩展规划方法。建立基于耦合对抗变分自编码器的场景生成模型,生成冷-热-电-气负荷场景,获取典型场景与小概率高用能场景;在此基础上,以系统扩展规划成本最低及小概率高用能场景能源管线风险最低为目标,建立计及小概率高用能场景的冷-热-电-气综合能源系统扩展规划模型;采用改进麻雀搜索优化算法进行算例求解,实现冷-热-电-气综合能源系统扩展规划,提升综合能源系统扩展规划经济性与运行可靠性。 展开更多
关键词 综合能源系统 扩展规划 小概率高用能场景 耦合对抗变分自编码器 改进麻雀搜索优化算法
在线阅读 下载PDF
基于SSA-VMD-LIESN的短期风电功率预测方法研究
19
作者 杨宁宁 王怡昕 +1 位作者 吴朝俊 马芝瑞 《太阳能学报》 北大核心 2025年第5期440-447,共8页
短期风电功率预测精度提升可增强电力系统调节能力与消纳水平,并为风电优化决策提供数据支撑。为了提高短期风电功率的预测精度,提出一种基于SSA-VMD-LIESN的预测模型。首先通过麻雀搜寻算法(SSA)求解最优的变分模态分解(VMD)参数,将复... 短期风电功率预测精度提升可增强电力系统调节能力与消纳水平,并为风电优化决策提供数据支撑。为了提高短期风电功率的预测精度,提出一种基于SSA-VMD-LIESN的预测模型。首先通过麻雀搜寻算法(SSA)求解最优的变分模态分解(VMD)参数,将复杂的风电功率历史数据分解为不同频率的模态分量。随后通过样本熵计算反映其复杂程度,并将具有相似特征的分量融合重构。最后结合具有良好非线性预测能力的泄漏积分型回声状态网络(LIESN),构成SSA-VMD-LIESN预测模型,并将预测结果与传统LIESN、长短期记忆网络(LSTM)以及BP神经网络进行对比分析。研究结果表明,该模型训练快速,具有较好的短期风电功率预测能力。 展开更多
关键词 风电 预测 变分模态分解 麻雀搜索算法 泄漏积分型回声状态网络
在线阅读 下载PDF
基于数字孪生的煤矿两柱式支架载荷预测方法
20
作者 张帆 李玉雪 +1 位作者 李昱翰 邵光耀 《煤炭科学技术》 北大核心 2025年第1期312-325,共14页
现有的矿山巷道液压支架载荷预测方法通常假设静态时空开采布置,忽略了远场围岩的动载荷,影响了冲击地压预测的准确性。为了确保安全开采,必须对潜在的冲击地压进行实时和精确的预测评估。提出一种基于数字孪生和机器学习的麻雀搜索算... 现有的矿山巷道液压支架载荷预测方法通常假设静态时空开采布置,忽略了远场围岩的动载荷,影响了冲击地压预测的准确性。为了确保安全开采,必须对潜在的冲击地压进行实时和精确的预测评估。提出一种基于数字孪生和机器学习的麻雀搜索算法–随机森林(SSA–RF)预测方法。通过分析支护系统与围岩的相互作用,建立了两柱式支架的数字孪生体模型,基于数据驱动实现物理实体与其数字孪生体之间的交互映射与同步反馈。对比分析两柱式支架升柱过程中姿态变量的计算值与真实值发现,与支架物理实体相比,数字孪生体模型的角度平均误差为0.14°,长度平均误差为6.15mm,符合精度要求。此外,麻雀搜索算法用于优化随机森林中决策树和节点特征的数量。与使用单一预测模型相比,SSA–RF预测模型的建立提高了收敛速度和优化能力。试验结果表明,与长短期记忆(LSTM)、随机森林(RF)和支持向量机(SVM)等预测算法相比,笔者提出的SSA–RF方法表现最优,其在中部支架和端头支架数据集上的预测准确率分别达到85.89%和91.09%。此外,研究发现,工作面中部支架所在区域顶板易出现断裂失稳现象,会破坏工作面中部区域垂直方向的应力支撑条件,从而导致中部支架载荷变化范围更大预测精度略低于端头支架。上述研究结果将对进一步研究煤矿冲击地压发生机理和准确预测潜在冲击地压提供一定理论借鉴。 展开更多
关键词 冲击地压矿井 数字孪生 两柱式支架 麻雀搜索算法 支架载荷预测
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 … 40 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