基于AMSD-WTSSA-DELM模型的铁路沿线短期风速预测方法

1

作者 尼比江·艾力 张林鍹 +5 位作者 李奕超 景雨啸 高金山 王渊 谢明浩 罗晓龙 《铁道科学与工程学报》 北大核心 2025年第2期543-556,共14页

我国西北地区铁路沿线风速较强且存在非平稳性和波动性,导致风速预测精确度不高、模型泛化性差。基于此,提出一种基于AMSD-WTSSA-DELM的组合预测模型。首先,利用高度非平稳的原始风速序列、分量的长期相关表现、分量所包含的潜在模式及... 我国西北地区铁路沿线风速较强且存在非平稳性和波动性,导致风速预测精确度不高、模型泛化性差。基于此,提出一种基于AMSD-WTSSA-DELM的组合预测模型。首先,利用高度非平稳的原始风速序列、分量的长期相关表现、分量所包含的潜在模式及趋势和周期性等内在信息,进行每步分解处理,分别建立分解条件以及自适应更新阈值;为避免过度分解加入自适应重构方法,分解至无高复杂度分量为止,从而实现适应性较强的自适应多步分解。其次,提出WTSSA算法,即通过在麻雀搜索算法(SSA)中融入混沌映射、自适应权重和自适应t分布扰动策略,提升SSA全局搜索和局部探索能力,加快收敛速度,并通过测试函数验证WTSSA算法的卓越性。然后针对AMSD输出的各分量,分别建立由WTSSA优化权重和偏置的深度极限学习机(DELM)模型。最后汇总所有分量的预测数据,合成最终的预测输出。实验结果表明:模型在2组实际铁路沿线风速数据预测性能上提升效果明显,以第1组实验数据为例,本文方法与DELM相比,平均绝对误差(E_(mae))和均方根误差(E_(rmse))分别降低90.32%和82.25%,决定系数(R^(2))提升43.00%。综上所述,研究成果有效克服了风速的非线性特征导致的时迟问题,具有高泛化性能,能够预测短期风速变化,从而帮助铁路系统做出更有效的安全决策,为列车安全运行提供有力的技术支撑。 展开更多

关键词 短期风速预测 自适应多步分解 深度极限学习机 改进麻雀搜索算法 铁路沿线风速

在线阅读 下载PDF 职称材料

基于场因子分解的xDeepFM推荐模型

2

作者 李子杰 张姝 +2 位作者 欧阳昭相 王俊 吴迪 《应用科学学报》 CAS CSCD 北大核心 2024年第3期513-524,共12页

极深因子分解机(eXtreme deep factorization machine,xDeepFM)是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推... 极深因子分解机(eXtreme deep factorization machine,xDeepFM)是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推荐场景下的表现,提出一种基于场因子分解的xDeepFM改进模型。该模型通过场信息增强了特征的表达能力,并建立了多个交叉压缩网络以学习高阶组合特征。最后分析了用户场、项目场设定的合理性,并在3个不同规模的MovieLens系列数据集上通过受试者工作特征曲线下面积、对数似然损失指标进行性能评估,验证了该改进模型的有效性。 展开更多

关键词 推荐算法 极深因子分解机 场因子分解 深度学习

在线阅读 下载PDF 职称材料

基于ShuffleNet-DELM的轴承故障诊断研究

3

作者 李睿智 杨芳华 +1 位作者 张伟 周旗开 《中国测试》 CAS 北大核心 2024年第6期42-48,共7页

滚动轴承信号是一种典型的非平稳、非线性数据,深度学习模型能够有效提取此类数据特征。为获得更高的精度,深度学习模型不断增加计算量和参数规模,而工程实际中计算机硬件能力和可供训练的数据有限,更注重较快的响应速度和泛化能力。为... 滚动轴承信号是一种典型的非平稳、非线性数据,深度学习模型能够有效提取此类数据特征。为获得更高的精度,深度学习模型不断增加计算量和参数规模,而工程实际中计算机硬件能力和可供训练的数据有限,更注重较快的响应速度和泛化能力。为解决此类矛盾,提出一种基于ShuffleNet-DELM的轴承故障诊断方法。首先将一维的时序信号变换为二维频域张量,再使用改进的ShuffleNetV2模型提取特征,最后经由深度极限学习机(deep extreme learning machine,DELM)方法进行分类,在不同工况的滚动轴承数据集合上取得95.47%的平均准确率。结果表明:该方法响应速度快,能够进一步提高ShuffleNetV2模型对轴承故障的分类精度和泛化能力,有较好的实用价值。 展开更多

关键词 深度学习 ShuffleNet 深度极限学习机 轴承

在线阅读 下载PDF 职称材料

极薄煤层破碎顶板条件下液压支架带压移架残余支撑力决策方法

4

作者 张传伟 张刚强 +4 位作者 路正雄 李林岳 何正伟 龚凌霄 黄骏峰 《工矿自动化》 北大核心 2025年第3期22-31,38,共11页

在破碎顶板条件下,液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策,提出了一种基于改进蜣螂算法(IDBO)优化深... 在破碎顶板条件下,液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策,提出了一种基于改进蜣螂算法(IDBO)优化深度混合核极限学习机(DHKELM)的液压支架带压移架残余支撑力决策方法。在混合核极限学习机(HKELM)基础上引入极限学习机自动编码器(ELM-AE)结构来构建DHKELM模型,以增强对复杂输入的特征提取和非线性映射能力;引入ICMIC混沌映射、Lévy飞行和贪婪策略对蜣螂算法(DBO)进行改进,形成具备更高寻优精度和更快收敛速度的IDBO算法;利用IDBO算法优化DHKELM模型的超参数,建立IDBO-DHKELM模型。结合极薄煤层综采工作面液压支架带压移架实测数据,通过可视化和相关性分析,确定支架号、带压移架前支架支撑力、推移油缸进液压力和推移油缸行程变化速度作为影响残余支撑力的关键特征,并构建残余支撑力决策样本数据集,最终完成IDBO-DHKELM模型的训练与评估。实验结果表明:基于IDBO-DHKELM模型的液压支架带压移架残余支撑力决策结果的均方根误差(RMSE)、平均绝对误差(MAE)及决定系数(R^(2))分别为0.143,0.119,0.971,具有较高的决策精确度。 展开更多

关键词 极薄煤层 液压支架 带压移架 残余支撑力 改进蜣螂算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于TVFEMDⅡ-十种鱼群算法-DHKELM模型的日含沙量预测

5

作者 邓智予 谢静 崔东文 《中国农村水利水电》 北大核心 2025年第3期61-70,共10页

为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算... 为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算法/旗鱼优化(SFO)算法/海洋捕食者算法(MPA)/?鱼优化算法(ROA)/蝠鲼觅食优化(MRFO)算法在基准测试函数和实例目标函数上的优化效果,提出时变滤波器经验模态二次分解(TVFEMDⅡ)-十种鱼群算法-DHKELM日含沙量时间序列预测模型。首先,利用TVFEMDⅡ对日含沙量时间序列进行分解处理,得到若干分解分量,合理划分训练集和预测集;其次,基于各分量训练集构建DHKELM超参数优化实例目标函数,同时选取8个基准测试函数作为对比验证函数,利用十种鱼群算法分别对基准测试函数和实例目标函数进行极值寻优与对比分析。最后,建立TVFEMDⅡ-十种鱼群算法-DHKELM模型,通过云南省龙潭站汛期日含沙量预测实例对各模型进行验证。结果表明:(1)十种鱼群算法对基准测试函数寻优总排名与对实例目标函数寻优总排名仅有10%相同,总体上EEFO、GKSO寻优效果较好,ROA、WSO较差。(2)十种鱼群算法对实例目标函数寻优总排名与十种鱼群算法优化的各模型预测精度总排名基本一致,表明鱼群算法极值寻优能力越强,其优化获得的DHKELM超参数越优,由此构建的预测模型性能越好,日含沙量预测精度越高。(3)TVFEMDⅡ-十种鱼群算法-DHKELM模型对实例日含沙量预测的平均绝对百分比误差(MAPE)在0.927%~1.583%之间,模型计算规模小、预测精度高、稳健性能好,具有较好的实用价值和意义。(4)在分解分量十分有限的情形下,TVFEMDⅡ能将复杂的日含沙量时间序列分解为更具规律、更易建模预测的模态分量,大大改进时间序列分解效果,显著提升日含沙量预测精度。 展开更多

关键词 日含沙量预测 时变滤波器经验模态分解 二次分解 十种鱼群算法 深度混合核极限学习机 函数优化

在线阅读 下载PDF 职称材料

基于WOA-DELM的成都地铁建设阶段温室气体预测 被引量：5

6

作者 陈政 郭亚林 郭春 《隧道建设（中英文）》 CSCD 北大核心 2022年第12期2048-2063,共16页

为解决成都地铁设计和修建过程中碳排放计量问题,以成都地铁18号线6车站7区间为研究对象,采用机器学习算法对成都地铁建设阶段碳排放进行预测研究。基于生命周期评价(life cycle assessment,LCA)框架对地铁车站和盾构区间建筑材料生产... 为解决成都地铁设计和修建过程中碳排放计量问题,以成都地铁18号线6车站7区间为研究对象,采用机器学习算法对成都地铁建设阶段碳排放进行预测研究。基于生命周期评价(life cycle assessment,LCA)框架对地铁车站和盾构区间建筑材料生产阶段、建筑材料运输阶段和现场施工阶段温室气体排放量进行计算,建立基于鲸鱼优化算法(whale optimization algorithm,WOA)的深度极限学习机(deep extreme learning machine,DELM)地铁碳排放预测模型,并与基于风驱动优化(wind driven optimizer,WDO)、灰狼优化(grey wolf optimizer,GWO)、粒子群优化(particle swarm optimizer,PSO)、人工蜂群优化(artificial bee colony,ABC)、多元宇宙优化(multi-verse optimizer,MVO)、原子搜索优化(atom search optimizer,ASO)的深度极限学习机(DELM)和未优化的BP(back propagation neural network)、KELM(kernel extreme learning machine)、DELM算法预测结果进行对比分析。研究得到:1)WOA-DELM算法预测结果相关一致性为0.757,略高于其他算法;2)根据WOA-DELM算法对地铁碳排放主要输入指标进行敏感性分析,得到地铁车站碳排放预测的关键影响因素为车站长度和轨面埋深,对应指标碳排放相对变化率分别为30.1%和23.1%。 展开更多

关键词 地铁 生命周期评价 碳排放 深度极限学习机 预测模型

在线阅读 下载PDF 职称材料

基于xDeepFM的铁路货物运输时间预测 被引量：4

7

作者 蒋哲远 葛承宇 +1 位作者 陈超 米希伟 《交通运输工程与信息学报》 2022年第1期39-46,97,共9页

铁路货物运输时间会影响物流交付、列车调度等,准确的铁路货物运输时间预测是合理制定运输组织方案的关键。货物列车的运营受很多复杂因素的耦合影响,而既有研究普遍缺乏对各因素特征交互的深入探索,为了探索铁路货物运输时间预测新的... 铁路货物运输时间会影响物流交付、列车调度等,准确的铁路货物运输时间预测是合理制定运输组织方案的关键。货物列车的运营受很多复杂因素的耦合影响,而既有研究普遍缺乏对各因素特征交互的深入探索,为了探索铁路货物运输时间预测新的特征融合机制、提高整体预测效果,本文创新性地将智能推荐算法领域的xDeepFM算法引入货运时间预测问题。基于该算法的因子分解机、深度学习等思想构建了货运时间预测模型,设计了数据预处理、特征映射及参数寻优模块,利用模型能自动高效学习复杂因素的显式和隐式高维特征交互关系来提升预测效果,为解决铁路货物运输时间预测问题提供了新思路。在案例研究中,本文选取2种经典机器学习模型(LSSVM、随机森林模型)和3种新颖深度学习模型(DNN、CNN、LSTM)作为对比模型。实验结果表明:本文所建的xDeepFM模型的预测误差MSE为0.4991,MAPE为3.473%,相较于对比模型,xDeepFM模型具有更高的预测准确度,适合运营环境复杂的货物运输预测问题,能够实现较好的预测效果。 展开更多

关键词 铁路运输 xdeepFM 深度学习 时间预测 神经网络

在线阅读 下载PDF 职称材料

基于小波包分解的EHO-ELM与EHO-DELM日径流多步预报模型研究 被引量：12

8

作者 李新华 崔东文 《中国农村水利水电》 北大核心 2022年第10期81-86,共6页

为提高日径流时间序列多步预报精度,基于小波包分解(Wavelet Packet Decomposition,WPD)方法、象群优化(Elephant Herding Optimization,EHO)算法和极限学习机(Extreme Learning Machine,ELM)、深度极限学习机(Eeep Extreme Learning Ma... 为提高日径流时间序列多步预报精度,基于小波包分解(Wavelet Packet Decomposition,WPD)方法、象群优化(Elephant Herding Optimization,EHO)算法和极限学习机(Extreme Learning Machine,ELM)、深度极限学习机(Eeep Extreme Learning Machine,DELM)两种预测器,研究提出WPD-EHO-ELM、WPD-EHO-DELM日径流时间序列混合预报模型,并应用于云南省景东水文站日径流时间序列多步预报。首先利用2层WPD将日径流时序数据分解为4个子序列分量,达到降低日径流序列数据复杂性和不平稳性的目的;其次在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入向量;最后介绍EHO算法原理,分别利用EHO优化ELM、DELM输入层权值和隐含层偏值,建立WPD-EHOELM、WPD-EHO-DELM模型对各子序列分量进行多步预测,将预测结果加和重构得到最终日径流多步预报结果。并构建基于小波(Wavelet Decomposition,WD)分解的WD-EHO-ELM、WD-EHO-DELM模型和未经分解的EHO-ELM、EHODELM模型作对比分析模型。结果表明:(1)WPD-EHO-ELM、WPD-EHO-DELM模型对实例预见期为1~5 d日径流预报的平均绝对百分比误差≤9.44%,合格率≥89.2%,确定性系数≥0.99,精度等级均为甲级,预报效果均优于WD-EHO-ELM等其他模型。其中预见期为1~3 d日径流预报的平均绝对百分比误差≤1.81%、合格率100%,确定性系数≥0.999 6,预报效果最理想。(2)WPD-EHO-ELM、WPD-EHO-DELM模型能充分发挥WPD分解、EHO算法和ELM、DELM网络优势,表现出较高的预报精度和稳定性能,预报精度随着预见期天数的增加而降低。(3)模型及方法可为实现日径流时间序列多步预报和精准预报提供新途径。 展开更多

关键词 日径流预报 小波包分解 象群优化算法 极限学习机 深度极限学习机 多步预测

在线阅读 下载PDF 职称材料

基于WPD-AGTO-DELM模型的年径流时间序列预测 被引量：6

9

作者 梁晓鑫 崔东文 《三峡大学学报（自然科学版）》 CAS 2022年第5期14-20,共7页

针对径流序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)、人工大猩猩群优化(AGTO)算法与深度极限学习机(DELM)相结合,建立WPD-AGTO-DELM组合预测模型,并构建WPD-DELM、WPD-AGTO-BP、WPD-BP及基于小波分解(WD)的WD-AGTO-DELM、WD-... 针对径流序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)、人工大猩猩群优化(AGTO)算法与深度极限学习机(DELM)相结合,建立WPD-AGTO-DELM组合预测模型,并构建WPD-DELM、WPD-AGTO-BP、WPD-BP及基于小波分解(WD)的WD-AGTO-DELM、WD-DELM、WD-AGTO-BP、WD-BP作对比模型,将所建8种模型应用于云南省龙潭站年径流预测.首先,利用WPD将年径流序列分解为8个子序列分量,达到降低年径流序列数据复杂性和不平稳性的目的;其次,采用自相关函数法(AFM)确定各分解分量的输入向量;最后,利用AGTO优化DELM隐含层神经元数,建立AGTO-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终预测结果.结果表明:WPD-AGTO-DELM模型对实例后10年径流预测的平均相对误差1.86%,平均绝对误差0.26m^(3)/s,均方根误差0.34m^(3)/s,预测精度优于其他模型.WPD分解效果优于WD,能科学降低径流序列的复杂性,提高预测精度;AGTO能有效优化DELM中多个隐含层神经元数,提高DELM网络性能. 展开更多

关键词 径流预测 小波包分解 人工大猩猩群优化算法 深度极限学习机

在线阅读 下载PDF 职称材料

考虑位移滞后效应的降雨型滑坡SSA-DELM位移预测模型研究

10

作者 廖兴灵 简文彬 +1 位作者 樊秀峰 章德生 《水利与建筑工程学报》 2023年第2期128-136,共9页

针对东南丘陵山地降雨型滑坡变形发展特征,现有滑坡预测模型应用存在局限,结合滑坡变形特点研究基于智能算法的滑坡预测模型。以福建安溪尧山滑坡为例,选取2019年9月至2022年6月滑坡监测数据进行研究,采用集对分析、灰关联法、麻雀搜索... 针对东南丘陵山地降雨型滑坡变形发展特征,现有滑坡预测模型应用存在局限,结合滑坡变形特点研究基于智能算法的滑坡预测模型。以福建安溪尧山滑坡为例,选取2019年9月至2022年6月滑坡监测数据进行研究,采用集对分析、灰关联法、麻雀搜索算法及深度极限学习机对滑坡位移进行预测,提出了一种考虑滑坡位移滞后时间基于深度学习的滑坡位移预测模型。结果表明:SSA-DELM模型的MAE、MAPE、RMSE相较于已有的BP神经网络、SVM模型均更小,同时模型结合了滑坡影响因子以及水位-位移滞后特征,具有明确的物理意义,位移预测效果较好且精度较高,可推广应用于类似的滑坡位移预测中。 展开更多

关键词 位移预测 滞后 集对分析 麻雀搜索算法 深度极限学习机

在线阅读 下载PDF 职称材料

基于小波分解的AVOA-DELM月径流时间序列预测模型及应用 被引量：4

11

作者 张亚杰 《人民珠江》 2022年第7期158-164,共7页

为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含... 为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含层神经元数,建立WD-AVOA-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终月径流预测结果。同时构建基于支持向量机(SVM)、BP神经网络两种预测器的WD-AVOA-SVM、WD-AVOA-BP、AVOA-DELM、AVOA-SVM、AVOA-BP作分析对比模型。结果表明:WD-AVOA-DELM模型对丫勒水文站月径流预测的平均绝对百分比误差为3.02%,预测误差远小于WD-STOA-SVM、WD-AVOA-BP模型,预测精度较AVOA-DELM、AVOA-SVM、AVOA-BP提高1个数量级以上,具有较好的预测效果。WD能科学降低径流序列的复杂性,提高预测精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。 展开更多

关键词 月径流预测 小波分解 非洲秃鹫优化算法 深度极限学习机 参数优化

在线阅读 下载PDF 职称材料

应用优化DHKELM的柴油机故障诊断方法 被引量：2

12

作者 刘子昌 白永生 +1 位作者 韩月明 贾希胜 《陆军工程大学学报》 2024年第1期77-85,共9页

为准确、高效地对柴油机故障进行诊断,提出应用优化深度混合核极限学习机(deep hybrid kernel extreme learning machine, DHKELM)的柴油机故障诊断方法。该方法以各样本的频谱幅值作为故障特征,归一化处理后作为DHKELM模型的输入,从而... 为准确、高效地对柴油机故障进行诊断,提出应用优化深度混合核极限学习机(deep hybrid kernel extreme learning machine, DHKELM)的柴油机故障诊断方法。该方法以各样本的频谱幅值作为故障特征,归一化处理后作为DHKELM模型的输入,从而实现对柴油机各故障状态的识别。相较极限学习机,该模型具有更深层次的结构,引入了混合核函数以及自动编码器,可以准确区分易混淆的故障类型,提高诊断准确率。针对DHKELM模型中各个超参数难以确定的问题,提出利用改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对模型中各超参数进行寻优,充分发挥模型的故障诊断性能。实验结果表明,在实验室实测数据中,所提方法较传统方法具有较好的故障诊断精度,为柴油机故障诊断提供了一种新的思路。 展开更多

关键词 柴油机 故障诊断 深度混合核极限学习机 改进麻雀搜索算法

在线阅读 下载PDF 职称材料

基于深度信念极限学习机与卷积优化算法的洪水预报方法 被引量：1

13

作者 徐军杨 张奇伟 +3 位作者 蔡鹏 罗远林 张坚 张楚 《水电能源科学》 北大核心 2024年第8期48-52,共5页

针对洪水峰高量大、汇流时间短以及流域地貌复杂,导致洪水预报难度大和预报精度不理想的问题,提出一种基于深度信念极限学习机(DBN-ELM)和改进卷积优化算法(ICOA)的ICOA-DBN-ELM模型。以渭河上游北道水文站点2006~2020年的日径流数据作... 针对洪水峰高量大、汇流时间短以及流域地貌复杂,导致洪水预报难度大和预报精度不理想的问题,提出一种基于深度信念极限学习机(DBN-ELM)和改进卷积优化算法(ICOA)的ICOA-DBN-ELM模型。以渭河上游北道水文站点2006~2020年的日径流数据作为输入数据,并将该模型与BP、ELM、DBN-BP、DBN-ELM、COA-DBN-ELM模型进行对比。结果表明,所建立的ICOA-DBN-ELM模型有更好的预报精度,在洪水预报领域具有良好的应用前景。 展开更多

关键词 洪水预报 深度信念极限学习机 参数优化 卷积优化算法

在线阅读 下载PDF 职称材料

基于GWO-ELM模型的深基坑开挖变形预测研究 被引量：4

14

作者 郭亚鹏 于磊 +5 位作者 田海川 朱洪宇 张博 张纯 董玉雄 马林杰 《山西建筑》 2024年第3期114-118,共5页

为有效控制和预测深基坑开挖引起的周围地表沉降变形,以保定市汽车科技产业园深基坑工程为依托,使用MIDAS GTS NX软件对实际基坑工程施工过程进行模拟,并将实际值与模拟值进行对比,验证模型的准确性。并且使用灰狼优化算法(GWO)优化了... 为有效控制和预测深基坑开挖引起的周围地表沉降变形,以保定市汽车科技产业园深基坑工程为依托,使用MIDAS GTS NX软件对实际基坑工程施工过程进行模拟,并将实际值与模拟值进行对比,验证模型的准确性。并且使用灰狼优化算法(GWO)优化了极限学习机(ELM)神经网络中的输入权重和隐藏层阈值,建立了GWO-ELM深基坑开挖变形预测模型。以有限元模型中土钉数量、开挖深度、周围建筑物沉降等因素作为预测模型的输入因子,以有限元模型中监测点DB-2地表沉降作为预测模型的输出因子。将GWO-ELM模型预测值与ELM模型预测值对比分析。结果表明:通过有限元软件提取地表沉降等数据,可以对深基坑地表沉降实现超前预测;使用灰狼优化算法对极限学习机神经网络中输入权重和阈值优化,可以提高预测模型精度;经过实际工程验证,GWO-ELM模型平均绝对误差为0.26145,均方误差为0.31258,R 2为0.98725,均优于ELM模型。 展开更多

关键词 深基坑 神经网络 灰狼优化算法 数值模拟 极限学习机 沉降预测

在线阅读 下载PDF 职称材料

桥梁承台深基坑钢板桩围堰施工成本预测分析 被引量：1

15

作者 刘光前 《江苏建筑职业技术学院学报》 2024年第1期9-14,共6页

制订桥梁承台深基坑开挖钢板桩围堰施工方案,并根据施工方案设计现场劳动力与材料等施工参数;利用鸡群算法优化极限学习机的权重与偏置,把经过优化后的权重和偏置输入极限学习机模型中,构建最好的极限学习机模型;在最佳极限学习机模型... 制订桥梁承台深基坑开挖钢板桩围堰施工方案,并根据施工方案设计现场劳动力与材料等施工参数;利用鸡群算法优化极限学习机的权重与偏置,把经过优化后的权重和偏置输入极限学习机模型中,构建最好的极限学习机模型;在最佳极限学习机模型内输入施工参数,输出施工成本预测结果,完成桥梁承台深基坑开挖钢板桩围堰施工成本预测。以贵州省重点工程——乌当(羊昌)至长顺高速公路工程TJ-8标段羊昌河大桥为研究对象,进行相关的试验测试。试验结果证明:该方法可有效预测桥梁承台深基坑开挖钢板桩围堰施工时,钢板桩围堰打入阶段与基坑清淤及支撑阶段等不同施工阶段人工费与材料费等成本,成本预测的残差与相对误差均较低。 展开更多

关键词 桥梁承台 深基坑开挖 钢板桩 围堰施工 成本预测 极限学习机

在线阅读 下载PDF 职称材料

基于蜣螂算法优化深度极限学习机的中介轴承故障诊断方法

16

作者 栾孝驰 汤捷中 沙云东 《振动与冲击》 EI CSCD 北大核心 2024年第21期96-106,127,共12页

针对中介轴承故障信号传递路径复杂、受背景噪声干扰大、故障特征提取难,且传统诊断模型准确率受限于测点位置的问题,提出了一种基于自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,C... 针对中介轴承故障信号传递路径复杂、受背景噪声干扰大、故障特征提取难,且传统诊断模型准确率受限于测点位置的问题,提出了一种基于自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与蜣螂算法(dung beetle optimizer,DBO)优化深度极限学习机(deep extreme learning machine,DELM)结合的中介轴承故障诊断方法。首先,使用CEEMDAN和由能量比-相关系数-峭度值组成的固有模态分量筛选准则对原始信号进行分解、筛选、重构,在重构信号的时域与频域中提取特征组成特征矩阵;其次,将诊断准确率作为DBO的适应度值,对DELM模型的初始权重进行优化构建出全新的DELM;最后,将特征矩阵输入DELM完成故障诊断。以中介轴承故障数据为例,经DBO优化后的DELM诊断准确率取得了较大提升,在诊断较为困难的45°方向上诊断准确率仍达到了98.75%。结果表明,该诊断方法有效识别了中介轴承故障类型,展现了较强的鲁棒性与泛化能力。 展开更多

关键词 中介轴承 故障诊断 模态分解 蜣螂算法(DBO) 深度极限学习机(delm)

在线阅读 下载PDF 职称材料

融合滞后极限学习机的IDBiLSTM短时交通流预测

17

作者 张阳 王梓良 +2 位作者 姚芳钰 许浩越 杨书敏 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第6期39-46,共8页

深度学习短时交通流预测中,存在数据处理实时性较弱,以及算法对交通流数据的复用和修正能力不足导致预测性能较差的问题。针对这一问题,提出一种融合滞后极限学习机的深度双向长短时记忆神经网络短时交通流预测方法。首先,引入权值共享... 深度学习短时交通流预测中,存在数据处理实时性较弱,以及算法对交通流数据的复用和修正能力不足导致预测性能较差的问题。针对这一问题,提出一种融合滞后极限学习机的深度双向长短时记忆神经网络短时交通流预测方法。首先,引入权值共享机制对双向长短时记忆网络模型进行结构优化,在模型训练过程中不断进行权重更新和偏置更新,从而充分利用逆序逆转数据增强数据的复用和修正能力;其次,为了进一步提高算法实时性,引入极限学习机模型,并在其神经元激活函数中嵌入生物神经系统中的滞后参数进行优化,加速了运算效率,提升算法的整体实时性。实验结果表明:提出的方法预测精度和算法实时性均有提升,与经典方法CNN-BiLSTM和多元集合CNN-LSTM相比,平均绝对误差分别减少了6.82、6.47,计算速度分别提高了12、19 s,具备良好的短时交通流预测能力和实时性。 展开更多

关键词 交通工程 深度学习 双向长短时记忆神经网络 极限学习机 交通预测

在线阅读 下载PDF 职称材料

金属矿深部开采岩爆危险预测的GA-ELM模型研究 被引量：9

18

作者 刘志祥 郑斌 +1 位作者 刘进 兰明 《矿冶工程》 CAS CSCD 北大核心 2019年第3期1-4,共4页

为对金属矿山深部开采时岩爆的危险性进行预测,在总结深部开采岩爆发生机理的基础上,综合选取影响岩爆发生的3个重要因素作为岩爆预测的判别因子。搜集国内外金属矿深部开采岩爆的实例作为训练样本,引入极限学习机算法(ELM),针对该算法... 为对金属矿山深部开采时岩爆的危险性进行预测,在总结深部开采岩爆发生机理的基础上,综合选取影响岩爆发生的3个重要因素作为岩爆预测的判别因子。搜集国内外金属矿深部开采岩爆的实例作为训练样本,引入极限学习机算法(ELM),针对该算法的不足,采用遗传算法(GA)对其相关参数进行优化,建立了岩爆预测的GA-ELM模型,并与单一ELM模型进行对比。利用该岩爆预测模型对一典型金属矿深部开采进行岩爆预测,结果与实际情况相吻合。研究结果表明,岩爆预测的GA-ELM模型训练效果及泛化能力均优于单一ELM模型、SVM模型及传统的BP模型,且该模型能够对金属矿深部开采的岩爆进行准确有效地预测,具有一定的工程应用价值。 展开更多

关键词 金属矿山 深部开采 岩爆 预测 极限学习机 GA-ELM模型

在线阅读 下载PDF 职称材料

模拟电路的DCNN-ELM软故障诊断 被引量：2

19

作者 潘峰 王建锋 +1 位作者 杨丽薇 甘旭升 《火力与指挥控制》 CSCD 北大核心 2021年第11期82-88,共7页

为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法。先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的... 为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法。先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的故障诊断模型;通过Sallen-Key带通滤波器电路的故障诊断实验对提出方法进行了验证。仿真结果表明,提出的基于DCNN的故障特征提取方法优于传统KPCA与KSLPP方法,与ELM分类器集成后得到的诊断准确率达到98.2%,有助于改善模拟电路的故障诊断精度,从而验证了其可行性和有效性。 展开更多

关键词 深度学习 卷积神经网络 极限学习机 模拟电路 故障诊断

在线阅读 下载PDF 职称材料

基于随机卷积特征和集成超限学习机的快速SAR目标识别 被引量：9

20

作者 谷雨 徐英 《光电工程》 CAS CSCD 北大核心 2018年第1期15-24,共10页

深度卷积神经网络在目标检测与识别等方面表现出了优异性能,但将其用于SAR目标识别时,较少的训练样本和深度模型的优化设计是必须解决的两个问题。本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR目标识别算法。首先,随机生... 深度卷积神经网络在目标检测与识别等方面表现出了优异性能,但将其用于SAR目标识别时,较少的训练样本和深度模型的优化设计是必须解决的两个问题。本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR目标识别算法。首先,随机生成具有不同宽度的二维卷积核,对输入图像进行卷积与池化操作,提取随机卷积特征向量。其次,为提高分类器的泛化能力,并降低训练时间,基于集成学习思想对提取的卷积特征进行随机采样,然后采用超限学习机训练基分类器。最后,通过投票表决法对基分类器的分类结果进行集成。采用MSTAR数据集进行了SAR目标识别实验,实验结果表明,由于采用的超限学习机具有快速训练能力,训练时间降低了数十倍,在无需进行数据增强的情况下,分类精度与采用数据增强和多层卷积神经网络的深度学习算法相当。提出的算法具有实现简单、需要调整参数少等优点,采用集成学习思想提高了分类器的泛化能力。 展开更多

关键词 深度学习 卷积特征 随机化 超限学习机 集成学习

在线阅读 下载PDF 职称材料