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83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：
GA-2D-VMD联合FNLM的医学超声图像去噪方法研究
1
作者 闫洪波 那毅然 +1 位作者 沈雅楠 徐洋 《机械设计与制造》 北大核心 2025年第2期375-379,384,共6页
医学超声成像过程中出现的斑点噪声,降低了图像的可视性,传统算法在去噪后可能会出现图像边缘细节模糊、去噪效果不佳等问题。针对于此,提出了基于遗传算法优化的2D-VMD与FNLM相结合的方法。首先利用遗传算法对2D-VMD的两个参数同时进... 医学超声成像过程中出现的斑点噪声,降低了图像的可视性,传统算法在去噪后可能会出现图像边缘细节模糊、去噪效果不佳等问题。针对于此,提出了基于遗传算法优化的2D-VMD与FNLM相结合的方法。首先利用遗传算法对2D-VMD的两个参数同时进行自适应寻优,接着采用优化2D-VMD分解噪声图像,并借助相关系数筛选有效分量,然后使用FNLM滤波去噪,最后将去噪后的子模态重构完成去噪。实验结果证明,该方法具有优秀的去噪效果和保留图像边缘细节信息的能力,客观评价指标亦有明显的提升。 展开更多
关键词 斑点噪声 遗传算法 二维变分模态分解 参数优化 快速非局部均值 图像去噪
在线阅读 下载PDF
渐进式分层特征提取的综合能源多任务负荷预测
2
作者 王德文 安涵 +1 位作者 张林飞 赵文清 《智能系统学报》 北大核心 2025年第4期858-870,共13页
针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。... 针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。将全年数据按季节划分,分析各季节下电、冷、热负荷间耦合强度;采用变分模态分解将历史负荷序列分解为多个不同频率的分量,可以更好挖掘多元负荷的深层时序特征;渐进式分层提取多元负荷的耦合特征,并动态分配耦合特征对预测结果的影响权重,避免耦合特征无效时模型预测精度下降。实验结果证明,在不同的多元负荷耦合强度下,渐进式分层特征提取的多任务负荷预测在精度上有更好表现。研究结论可用于指导综合能源多元负荷预测过程。 展开更多
关键词 负荷预测 综合能源 多任务学习 多元负荷 渐进式分层 特征提取 最大信息系数 变分模态分解
在线阅读 下载PDF
基于改进小波阈值和优化VMD算法的语音增强方法 被引量：1
3
作者 张礼艳 刘增力 彭艺 《吉林大学学报(理学版)》 北大核心 2025年第2期608-621,共14页
针对语音信号传输过程中受噪声和回声等因素干扰,导致信号质量和可懂度下降的问题,提出一种基于优化的变分模态分解算法和改进小波阈值的语音信号增强方法.首先,采用麻雀搜索算法优化模态分解参数,并分解语音信号得到模态分量;其次,根... 针对语音信号传输过程中受噪声和回声等因素干扰,导致信号质量和可懂度下降的问题,提出一种基于优化的变分模态分解算法和改进小波阈值的语音信号增强方法.首先,采用麻雀搜索算法优化模态分解参数,并分解语音信号得到模态分量;其次,根据模态分量与原信号的相关系数和中心频率,消除高频噪声分量,保留接近原信号的模态分量作为纯语音,其他模态分量作为带噪语音,进行小波阈值处理;最后,重构纯语音和处理后的噪声模态分量,得到增强的语音信号.结果表明:该方法比单一方法具有更优的语音增强效果;优化的变分模态分解算法和改进的阈值与阈值函数实现了比传统方法更好的增强效果,适用于各种噪声环境,有效提升了语音信号的质量和可懂度. 展开更多
关键词 语音增强 麻雀搜索算法 变分模态分解 小波阈值 相关系数
在线阅读 下载PDF
轴承剩余使用寿命预测的IDSA-LSTMNN 被引量：1
4
作者 梁天添 刘健 +2 位作者 梁贺焱 郑皓谦 王茂 《振动.测试与诊断》 北大核心 2025年第2期273-280,410,共9页
针对长短期记忆神经网络提取特征信息相关性和时间信息依赖性不足的问题,提出基于改进双多头注意力机制的长短期记忆神经网络(improved dual stage attention-based long short-term memory neural networks,简称IDSA-LSTMNN),以提高滚... 针对长短期记忆神经网络提取特征信息相关性和时间信息依赖性不足的问题,提出基于改进双多头注意力机制的长短期记忆神经网络(improved dual stage attention-based long short-term memory neural networks,简称IDSA-LSTMNN),以提高滚动轴承剩余使用寿命(remaining useful life,简称RUL)的预测精度。首先,采用改进的蜘蛛蜂优化器(improved spider wasp optimizer,简称ISWO)优化变分模态分解(variational mode decomposition,简称VMD)的关键参数,以提取更优的时频域特征;其次,结合时域和频域特征,构建特征数据集;然后,利用非线性成分改进核主成分分析(kernel principal component analysis,简称KPCA)的核函数,以优化特征降维过程;最后,利用多头注意力权重改进特征注意力机制和时间注意力机制提出IDSA,设计了轴承RUL预测的IDSA-LSTMNN,并进行了对比试验、抗噪性试验和泛化性试验。结果表明,相较于仅具有单头注意力机制的LSTMNN,不同工况、不同噪声环境下,IDSA-LSTMNN在预测精度、抗噪性和泛化性上具有显著优势。 展开更多
关键词 轴承寿命预测 变分模态分解 特征降维 长短期记忆神经网络 改进的注意力机制
在线阅读 下载PDF
基于变分模态分解的涌浪静校正新技术及其在海洋单道地震数据处理中的应用
5
作者 王强 郑昱 +2 位作者 黎金梅 赵明辉 张佳政 《热带海洋学报》 北大核心 2025年第5期166-178,共13页
在海洋地震勘探中,海上风、涌浪的存在严重影响高分辨率海洋地震资料的采集质量,进而影响数据处理和构造解释。而现有的涌浪静校正方法,无论是模型道互相关技术、中/均值滤波技术等基于数据自身特征抑或是利用单/多波束水深数据等外部... 在海洋地震勘探中,海上风、涌浪的存在严重影响高分辨率海洋地震资料的采集质量,进而影响数据处理和构造解释。而现有的涌浪静校正方法,无论是模型道互相关技术、中/均值滤波技术等基于数据自身特征抑或是利用单/多波束水深数据等外部信息约束的方法,均有其特定的适用范围与应用局限,因此研究一种简单、快捷、高效的涌浪静校正方法具有十分重要的意义。基于以上事实,文章提出了基于变分模态分解(variational mode decomposition,VMD)的涌浪静校正技术。首先介绍了VMD的基本原理和涌浪压制的实现步骤,接着对水平层状模型进行了合成数据试算,最后对野外实测资料进行了涌浪压制,并就该方法的可靠性开展了定量计算。结果表明:无论海底地形是简单的平缓起伏还是复杂的崎岖不平,VMD方法均能够有效压制涌浪效应引起的同相轴高频抖动,改善能量分散,消除毛刺,使原本混乱模糊的反射层位信息变得清晰、光滑、连续,极大地提高了剖面分辨率及信噪比,有效地提高了后续地层划分及剖面解释精度。 展开更多
关键词 涌浪静校正 变分模态分解 皮尔逊相关系数 信噪比 单道地震
在线阅读 下载PDF
基于PCC-VMD的一维卷积神经网络的轴承早期故障诊断
6
作者 邓志超 张清华 于军 《机床与液压》 北大核心 2025年第2期9-15,共7页
针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相... 针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相关系数,再根据相关系数阈值去掉噪声分量并对信号进行重构,最后对重构信号进行傅里叶变换并输入到一维卷积神经网络中,利用一维卷积神经网络对轴承早期故障进行诊断。利用所提方法对西储大学(CWRU)轴承数据集的滚动轴承故障数据进行分析,诊断准确率达到99%以上,验证了所提方法对滚动轴承早期故障诊断的有效性。 展开更多
关键词 皮尔逊相关系数 变分模态分解 一维卷积神经网络(1D-CNN) 早期故障诊断
在线阅读 下载PDF
基于变分非线性调频模态分解及TCN-TPA-LSTM的短期电力负荷组合预测模型
7
作者 王博宇 文中 +3 位作者 周翔 赵迪 闫文文 覃治银 《现代电力》 北大核心 2025年第5期891-900,共10页
随着新型电力系统的发展,电力负荷“双高双峰”特性愈发明显,可靠准确的负荷预测对电力系统运行规划至关重要。为更精准地预测电力负荷,提出基于MICVNCMD-TCN-TPA-LSTM的短期电力负荷组合预测模型。采用最大信息系数(maximal informatio... 随着新型电力系统的发展,电力负荷“双高双峰”特性愈发明显,可靠准确的负荷预测对电力系统运行规划至关重要。为更精准地预测电力负荷,提出基于MICVNCMD-TCN-TPA-LSTM的短期电力负荷组合预测模型。采用最大信息系数(maximal information coefficient, MIC)理论对负荷与气象信息进行非线性耦合分析,选取关键信息。引入变分非线性调频模态分解(variational nonlinear chirp mode decomposition, VNCMD)处理非线性非平稳负荷数据,将其分解为相应分量。在此基础上,构建TCN-TPALSTM组合预测模型,根据各分量预测评价指标选取对应的预测模型,重组得到总体预测结果。基于某地实际电力负荷数据集的对比实验表明,所提预测方法相较于其他模型具有显著的性能优势,其预测精度和泛化能力均优于对比基准,充分验证了所提方法的有效性和技术优越性。 展开更多
关键词 短期电力负荷预测 最大信息系数 变分非线性调频模态分解 时间卷积网络 时序模式注意力机制 长短期记忆网络
在线阅读 下载PDF
基于1.5维谱WHNR优化CVMD的滚动轴承特征增强方法
8
作者 王晓昆 王航 +3 位作者 邓强 刘诗文 彭敏俊 徐仁义 《振动.测试与诊断》 北大核心 2025年第1期80-87,201,共9页
针对滚动轴承在强背景噪声下造成故障特征不易识别的问题,提出一种以1.5维谱加权谐噪比(weighted harmonic-to-noiseratio,简称WHNR)为评价指标的自适应级联变分模态分解(cascadedvariationalmode decomposition,简称CVMD)特征增强方法... 针对滚动轴承在强背景噪声下造成故障特征不易识别的问题,提出一种以1.5维谱加权谐噪比(weighted harmonic-to-noiseratio,简称WHNR)为评价指标的自适应级联变分模态分解(cascadedvariationalmode decomposition,简称CVMD)特征增强方法。首先,基于不同故障特征频率计算1.5维谱下的最大WHNR来确定CVMD惩罚因子及分解层数;其次,利用1.5维谱对分解结果解调分析,进一步抑制噪声干扰,突出故障特征,最终提高特征辨识度,实现滚动轴承的故障特征增强;最后,通过仿真信号和滚动轴承故障实验,证明了该方法在强背景噪声情况下的优良去噪能力,能够增强微弱故障特征并抑制无关分量。 展开更多
关键词 滚动轴承 特征增强 变分模态分解 1.5维谱 加权谐噪比
在线阅读 下载PDF
基于2D-VMD和ConvLSTM的电力负荷图像化短期预测方法
9
作者 李承皓 杨永标 +2 位作者 宋嘉启 张翔颖 徐青山 《南方电网技术》 北大核心 2025年第2期1-9,共9页
电力负荷预测受到诸多不确定性事件的影响,因此准确地预测负荷一直是行业内研究的重点方向。针对传统方法在对短期电力负荷预测精度较低的问题,给出一种基于二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)... 电力负荷预测受到诸多不确定性事件的影响,因此准确地预测负荷一直是行业内研究的重点方向。针对传统方法在对短期电力负荷预测精度较低的问题,给出一种基于二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)和卷积长短时记忆神经网络(convolutional long short-term memory,ConvLSTM)的电力负荷图像化短期预测方法。首先采用格拉姆角场方法(Gramian angular fields,GAF)将预处理后的负荷数据转换为一组格拉姆角场图像,然后通过2D-VMD将这组图像各自分解成一系列不同中心频率的子模态并按中心频率分类,使用ConvLSTM神经网络对不同模态图像组进行预测,最终将预测结果重构并逆操作得到负荷预测值。预测结果表明此方法提高了短期负荷预测的精度,为电力负荷预测提供了新方法。 展开更多
关键词 电力系统 负荷预测 格拉姆角场 二维变分模态分解 ConvLSTM神经网络
在线阅读 下载PDF
基于SSA-VMD和SDP的双通道CNN轴承故障识别方法 被引量：1
10
作者 蒋丽英 高铭悦 李贺 《机电工程》 北大核心 2025年第2期257-266,共10页
针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮... 针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮尔逊相关系数,构建了新的综合适应度函数,利用麻雀算法(SSA)进行了自适应寻优,确定了最佳的变分模态分解(VMD)参数K和α。将原始振动信号经过VMD分解后,得到了本征模态函数(IMF)分量,通过计算各IMF分量的峭度值进行了筛选,将筛选出的信号进行重构后得到了一维特征信号;然后,根据互相关系数选择了合适的对称点模式(SDP)参数值,将原始振动信号转化为极坐标下的SDP图像,获得了具有良好可分性的二维特征图;最后,将一维和二维特征作为双通道CNN的输入进行了联合训练,将训练好的网络用于故障类型识别,在西储大学和江南大学的轴承数据集上对其有效性进行了验证。研究结果表明:通过网络训练,其故障诊断的准确率分别达到了98.5%和100%。该结果验证了该方法在准确识别故障特征方面具有优越性和普适性。 展开更多
关键词 一维特征信号构建 二维特征转换 卷积神经网络 麻雀算法 变分模态分解 对称点模式
在线阅读 下载PDF
中国人身保险业地区差异的再考察:内在来源及外部驱动
11
作者 石印 袁启童 +1 位作者 周娇娇 李娟 《金融发展研究》 北大核心 2025年第8期43-55,共13页
人身保险业地区差异是内外部因素交互作用的结果,需要深入厘清这些成因,推进人身保险区域均衡发展。本文利用变异系数双维分解方法,从空间构成与险种结构双重视角出发,解构我国人身保险业保险深度与保险密度地区差异的内在来源,并引入... 人身保险业地区差异是内外部因素交互作用的结果,需要深入厘清这些成因,推进人身保险区域均衡发展。本文利用变异系数双维分解方法,从空间构成与险种结构双重视角出发,解构我国人身保险业保险深度与保险密度地区差异的内在来源,并引入关系数据分析范式,利用二次指派程序探究造成我国人身保险业地区差异的外部因素。研究发现:(1)我国人身保险业发展的总体差异在波动中持续下降,且保险密度的地区差异明显大于保险深度的地区差异,人身保险业总体呈现均衡发展趋势。(2)我国人身保险业地区差异的内在来源由空间与险种两个结构性维度构成,在空间构成维度上,区域内差异,尤其是东部地区内部差异对人身保险业地区总差异的贡献最大;在险种结构维度上,普通寿险的地区差异逐步超越新型寿险,成为对地区总差异贡献最大的内在结构性来源;将空间构成与险种结构相结合发现,东部地区内部的寿险业发展差异尤为明显。(3)从外部驱动因素看,市场集中度、人均地区生产总值、居民受教育程度等因素地区差异的增加将会导致中国人身保险业地区差异的扩大。文章揭示了我国人身保险业地区差异的内在结构性来源及其外部影响因素,有助于在当前3.0版“国十条”政策出台机遇期处理好人身保险业区域发展差异问题,实现有的放矢、有源可探、精准施策。 展开更多
关键词 人身保险 险种结构 地区差异 变异系数双维分解 QAP
在线阅读 下载PDF
基于VMD-MPE和并行双支路的变压器局部放电模式识别方法
12
作者 陈康裕 王飞 +1 位作者 曾龙兴 陈尔佳 《电工电能新技术》 北大核心 2025年第9期100-110,共11页
针对变压器局部放电信号的非平稳性和非线性特点,本文提出了一种基于变分模态分解(VMD)和多尺度排列熵(MPE)以及并行双支路的变压器局部放电模式识别方法。首先,利用VMD技术对局部放电波形进行层次分解,分离出若干带限本征模态函数(IMF)... 针对变压器局部放电信号的非平稳性和非线性特点,本文提出了一种基于变分模态分解(VMD)和多尺度排列熵(MPE)以及并行双支路的变压器局部放电模式识别方法。首先,利用VMD技术对局部放电波形进行层次分解,分离出若干带限本征模态函数(IMF),并基于MPE提取各阶IMF分量的深层特征信息,构建特征向量样本集。接着,设计了一个并行双支路模型,其中支路一通过Transformer Encoder的多头注意力机制提取全局特征,支路二利用堆叠的一维卷积神经网络(1D-CNN)结合挤压与激励网络(SENet)进一步提取局部特征信息。通过特征融合拼接策略,将双支路提取的全局与局部特征信息有效融合,从而增强模式识别的表现力。实验结果表明,本文所提出的方法在变压器局部放电模式识别中的准确率达到96.37%,且具有较高的识别效率,能够有效提升变压器局部放电故障的诊断性能,为变压器设备的维护工作提供了坚实的技术保障。 展开更多
关键词 变压器局部放电 变分模态分解 多尺度排列熵 Transformer Encoder 一维卷积神经网络 挤压与激励网络 故障诊断
在线阅读 下载PDF
GPR信号去噪的变分模态分解 被引量：2
13
作者 刘财 商耀达 +1 位作者 鹿琪 徐杨杨 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2024年第3期1042-1053,共12页
为了进一步提高探地雷达(ground penetrating radar,GPR)数据的信噪比,压制由随机扰动引起的随机绕射能量,将二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)引入二维GPR数据的噪声压制处理中。首先,对GPR数... 为了进一步提高探地雷达(ground penetrating radar,GPR)数据的信噪比,压制由随机扰动引起的随机绕射能量,将二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)引入二维GPR数据的噪声压制处理中。首先,对GPR数据进行2D-VMD处理,并分析各阶本征模态函数(intrinsic mode function,IMF)分量及其对应的频率-波数域谱来确定雷达剖面中的各回波类型。然后,计算IMF分量与原始数据的互相关系数来确定信号模态和噪声模态,并对信号模态进行重构得到降噪后的数据。理论数据和实测数据测试表明,相比于传统的1D-VMD法,2D-VMD滤波后的含噪正演记录峰值信噪比由6.44 dB增加到7.72 dB;经2D-VMD降噪处理后的雷达剖面在保留有效信号的基础上,可以有效压制随机扰动带来的噪声,并且得到的雷达剖面同相轴连续性更好。 展开更多
关键词 探地雷达 二维变分模态分解 频率-波数谱 互相关系数 去噪
在线阅读 下载PDF
居民财产分配差异测度研究——基于基尼系数群组和来源的二维分解方法 被引量：2
14
作者 刘学良 《南开经济研究》 CSSCI 北大核心 2024年第5期198-216,共19页
本文提出一个新的基尼系数二维分解方法,该方法可以同时进行基尼系数的按群组和按来源分解操作,从而避免了不平等的群组分解和来源分解因使用方法不同而难以融合的缺陷。基于此方法,本文使用CFPS数据测算了2012—2020年我国城乡居民财... 本文提出一个新的基尼系数二维分解方法,该方法可以同时进行基尼系数的按群组和按来源分解操作,从而避免了不平等的群组分解和来源分解因使用方法不同而难以融合的缺陷。基于此方法,本文使用CFPS数据测算了2012—2020年我国城乡居民财产分配差距,发现这一时期居民财产分配差距呈波动上升态势。其中,城乡内部特别是城镇内部居民持有住房资产的差异是这一时期财产分配不平等扩大的重要原因,但如果考虑扣除房贷后的净资产,则其对差距扩大贡献明显缩小;而城乡间差异不是导致居民总体财产差距扩大的原因,其中,土地资产在这一时期起到扩大城乡组间差距的效果,而住房资产及住房净资产起到缩小组间差距的作用。因此,十八大以来,农村居民住房条件和住房财产明显提高对于缓解城乡差异起到积极作用,但不可忽视的是,城乡间住房资产和住房条件的绝对差距仍然很大,缩小城乡间居民住房条件差距仍然任重道远。 展开更多
关键词 基尼系数 群组分解 来源分解 二维分解 财产分配差距
在线阅读 下载PDF
参数优化VMD结合改进小波包阈值的去噪方法 被引量：5
15
作者 张晓莉 黄嘉谞 《噪声与振动控制》 CSCD 北大核心 2024年第5期128-132,共5页
针对轴承信号故障特征容易被噪声淹没的问题,提出一种参数优化变分模态分解结合改进小波包阈值的去噪方法。首先,通过变分模态分解(Variational Mode Decomposition,VMD)结合改进粒子群算法(Improve Particle Swarm Optimization,IPSO)... 针对轴承信号故障特征容易被噪声淹没的问题,提出一种参数优化变分模态分解结合改进小波包阈值的去噪方法。首先,通过变分模态分解(Variational Mode Decomposition,VMD)结合改进粒子群算法(Improve Particle Swarm Optimization,IPSO)将含噪信号分解为若干本征模态分量(Intrinsic Mode Function,IMF)。以最大相关系数-相关峭度为准则,把IMF分为高值分量(High-value Intrinsic Mode Function,HIMF)和低值分量(Low-value Intrinsic Mode Function,LIMF)。再对LIMF进行改进小波包(Improved Wavelet Packet,IWP)阈值去噪。最后对重构信号进行包络解调,提取轴承故障特征频率,完成故障诊断。实验结果表明,该方法不仅能够避免“过扼杀”现象,并且可以得到信噪比更高的去噪信号。 展开更多
关键词 振动与波 变分模态分解 小波包阈值去噪 相关峭度 相关系数 轴承
在线阅读 下载PDF
中国人口城镇化高质量发展的空间差距及其双维分解 被引量：3
16
作者 刘华军 孙东旭 邵明吉 《财贸研究》 CSSCI 北大核心 2024年第3期17-28,共12页
从人口结构、人口素质、人居环境和生活保障四个方面界定了人口城镇化高质量发展的内涵,并构建了评价指标体系,采用基尼系数双维分解方法对中国人口城镇化高质量发展的空间差距及其来源结构进行量化分析。研究发现:中国人口城镇化高质... 从人口结构、人口素质、人居环境和生活保障四个方面界定了人口城镇化高质量发展的内涵,并构建了评价指标体系,采用基尼系数双维分解方法对中国人口城镇化高质量发展的空间差距及其来源结构进行量化分析。研究发现:中国人口城镇化高质量发展水平呈稳健上升趋势,且具有显著的空间差距特征。样本考察期内,中国人口城镇化高质量发展的总体差距逐年递减,区域协调性不断上升。区域维度下,总体差距主要来源于区域间差距。指标构成维度下,总体差距主要来源于人口结构差距。区域和指标构成双重维度下,总体差距主要来源于东、西部地区之间的人口结构差距。 展开更多
关键词 人口城镇化 高质量发展 新型城镇化 空间差距 基尼系数双维分解
在线阅读 下载PDF
基于相关变分模态分解和CNN-LSTM的变压器油中溶解气体体积分数预测 被引量：9
17
作者 范志远 杜江 《高电压技术》 EI CAS CSCD 北大核心 2024年第1期263-273,I0020,共12页
为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variationa... 为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variational mode decomposition,CVMD)、1维卷积神经网络(one dimensional convolutional neural network,1D-CNN)和LSTM的组合预测模型。首先,利用CVMD去除原始气体序列中的噪声信号,并将去噪序列分解为1组相对平稳的子序列分量;然后,针对各子序列分量分别构建CNN-LSTM预测模型,利用1D-CNN挖掘数据间的深层特征形成特征向量,并将其输入到LSTM中进行预测;最后,对各子序列预测结果叠加重构,得到最终的气体预测值。并通过4组对比实验对所提模型进行了全方位、多角度的验证。算例研究结果表明,所提模型单步和多步预测的平均绝对百分比误差分别为1.53%和2.09%。相较于现有模型,该文所提模型在单步和多步预测性能上均有明显提升,为变压器在线监测和故障预警提供了重要技术支撑。 展开更多
关键词 油中溶解气体 相关变分模态分解 1维卷积神经网络 长短期记忆神经网络 气体体积分数预测
在线阅读 下载PDF
基于参数优化VMD-小波阈值的轴承振动信号降噪方法 被引量：8
18
作者 闫海鹏 郝新宇 秦志英 《机电工程》 CAS 北大核心 2024年第2期245-252,共8页
为了解决复杂工况下滚动轴承振动信号存在随机噪声的问题,提出了一种基于参数优化变分模态分解(VMD)-小波阈值的滚动轴承降噪方法。首先,利用以包络熵为适应度函数的天鹰算法对变分模态分解算法的模态分解数K和惩罚因子α进行了自适应选... 为了解决复杂工况下滚动轴承振动信号存在随机噪声的问题,提出了一种基于参数优化变分模态分解(VMD)-小波阈值的滚动轴承降噪方法。首先,利用以包络熵为适应度函数的天鹰算法对变分模态分解算法的模态分解数K和惩罚因子α进行了自适应选择,代入VMD分解中,得到若干本征模态函数(IMFs);然后,根据峭度-相关系数将IMF分量划分为纯净分量和含噪分量,对含噪分量进行了小波阈值降噪处理;最后,对处理后的分量进行了重构,并用重构信号进行了包络谱分析,实现了滚动轴承的信号降噪目的,并利用仿真信号和美国凯斯西储大学公开的轴承数据集对上述降噪方法的有效性进行了验证。研究结果表明:基于参数优化VMD-小波阈值的降噪方法减少了滚动轴承运行状态下的随机噪声,相对小波阈值降噪方法,所得仿真信号信噪比提升53%,均方误差降低13%;在故障特征频率为162 Hz时,所得实验降噪信号包络谱的前6倍频谱峰值更为明显,且受随机噪声影响较小。该研究方法在滚动轴承等旋转机械信号降噪方面具有一定的参考价值。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 本征模态函数 小波阈值降噪 天鹰算法 峭度-相关系数
在线阅读 下载PDF
基于分解算法与元学习结合的综合能源系统负荷预测 被引量：2
19
作者 黄璜 张安安 《电力系统自动化》 EI CSCD 北大核心 2024年第10期151-160,共10页
针对区域综合能源系统(IES)负荷间关联敏感性高、季节泛化性差导致的负荷预测精度受限问题,提出一种基于分解算法与元学习结合的多元负荷组合预测方法。首先,基于动态最大信息系数量化不同时段多元负荷间相关性,根据动态相关性结果构造... 针对区域综合能源系统(IES)负荷间关联敏感性高、季节泛化性差导致的负荷预测精度受限问题,提出一种基于分解算法与元学习结合的多元负荷组合预测方法。首先,基于动态最大信息系数量化不同时段多元负荷间相关性,根据动态相关性结果构造特征输入变量。然后,通过窗口滑动将负荷序列分成多个子序列单元,并使用变分模态分解将其划分为多个任务,避免整体分解带来的前瞻性偏差问题。最后,采用双向长短期记忆模型预测子序列,并通过模型无关的元学习算法减少梯度迭代,重构子序列后融合全连通层输出预测结果。基于美国亚利桑那州立大学坦佩校区IES数据集,验证了所提混合模型具有更高的IES多元负荷预测精度。 展开更多
关键词 负荷预测 变分模态分解 元学习 最大信息系数 双向长短期记忆
在线阅读 下载PDF
基于2dSVD和高斯混合模型的多变量时间序列聚类 被引量：1
20
作者 杨秋颖 翁小清 《计算机应用与软件》 北大核心 2024年第3期283-289,327,共8页
针对多变量时间序列(MTS)存在时间和变量两个维度,以及传统主成分分析(PCA)方法在MTS数据表示上的局限性,提出一种基于二维奇异值分解(2dSVD)和高斯混合模型(GMM)的MTS聚类算法。该文计算MTS的行-行和列-列协方差矩阵的特征向量,从时间... 针对多变量时间序列(MTS)存在时间和变量两个维度,以及传统主成分分析(PCA)方法在MTS数据表示上的局限性,提出一种基于二维奇异值分解(2dSVD)和高斯混合模型(GMM)的MTS聚类算法。该文计算MTS的行-行和列-列协方差矩阵的特征向量,从时间和变量两个维度提取特征矩阵;用GMM从概率分布角度对特征矩阵进行聚类。数值实验结果表明,该方法对多变量时间序列具有更好的聚类效果。 展开更多
关键词 二维奇异值分解 高斯混合模型 多变量时间序列聚类
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