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81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：
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
1
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IMLZC和SOA-ELM的轴承损伤识别方法
2
作者 龙有强 姜峰 《机电工程》 北大核心 2025年第4期726-734,共9页
现有故障诊断方法大多是仅针对轴承故障类型进行分析,而缺少对故障程度进行相应的判断。为此,提出了一种基于改进多尺度Lempel-Ziv复杂度(IMLZC)和海鸥优化算法优化极限学习机(SOA-ELM)的滚动轴承损伤识别方法。首先,利用IMLZC复杂度测... 现有故障诊断方法大多是仅针对轴承故障类型进行分析,而缺少对故障程度进行相应的判断。为此,提出了一种基于改进多尺度Lempel-Ziv复杂度(IMLZC)和海鸥优化算法优化极限学习机(SOA-ELM)的滚动轴承损伤识别方法。首先,利用IMLZC复杂度测量指标对信号复杂度变化敏感的特点,将其用于提取滚动轴承振动信号的故障特征以构造特征矩阵;然后,利用海鸥优化算法对极限学习机(ELM)的关键参数进行了优化,建立了参数自适应优化的ELM分类模型;最后,将故障特征输入至SOA-ELM分类模型中进行了训练和测试,完成了滚动轴承不同故障状态的智能诊断和故障程度评估,利用滚动轴承和自吸式离心泵损伤振动信号对IMLZC-SOA-ELM模型的实用性和泛化性开展了研究,并将其与其他特征提取模型开展了对比。研究结果表明:基于IMLZC-SOA-ELM的故障诊断方法不仅能够准确识别滚动轴承的故障,而且能判断故障的严重程度,该故障诊断模型在诊断滚动轴承的故障时分别取得了100%和98.4%的识别准确率,平均识别准确率达到了99.9%,能够有效识别滚动轴承的故障类型和故障程度。与其他特征提取方法相比,IMLZC-SOA-ELM模型具有更高的识别准确率,更适合于滚动轴承的故障识别。 展开更多
关键词 滚动轴承 自吸式离心泵 故障诊断 故障程度和损伤程度 改进多尺度Lempel-Ziv复杂度 海鸥优化算法 参数最优极限学习机
在线阅读 下载PDF
二元混合气体成分检测的改进蒲公英算法研究
3
作者 李鹏 汤炼海 +2 位作者 林事力 纵彪 于涛 《传感器与微系统》 北大核心 2025年第2期15-20,共6页
针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策... 针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策略(EOBL)引入蒲公英种子位置更新,提高原算法寻优精度。将该算法用于KELM参数寻优,建立改进DO(IDO)算法优化KELM模型,实现对二元混合气体的成分识别。实验结果表明:IDO算法优化的KELM模型对二元混合气体成分识别准确率可达99.71%,比原始KELM模型提高4.28%。 展开更多
关键词 改进蒲公英优化算法 核极限学习机 气体分类
在线阅读 下载PDF
基于改进粒子群算法和极限学习机模型的配电网物资需求预测
4
作者 王永利 赵中华 +2 位作者 张一诺 冯天义 刘怡然 《科学技术与工程》 北大核心 2025年第15期6410-6418,共9页
为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的... 为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的因素。其次,利用引入自适应惯性因子和学习因子的改进粒子群算法调整极限学习机的最佳参数组合,训练各类配网项目物资需求预测模型。最后,以南方电网深圳市某供电局2020—2022年基建项目10 kV电力电缆需求情况为例,将GRA-IPSO-ELM(grey relational analysis,improved particle swarm optimization,and extreme learning machines)德尔菲法和灰色关联分析法模型与常见的4种预测模型的结果进行对比。结果表明,相较于ELM模型、支持向量机模型以及PSO-ELM模型,GRA-IPSO-ELM模型预测准确率得到10.38%、5.37%、3.83%的提升,可见,所提出的模型实现了对配网物资需求数量准确且高效的预测。 展开更多
关键词 物资需求预测 配电网 极限学习机 改进粒子群优化算法
在线阅读 下载PDF
基于CLD-COA-ELM的光伏阵列故障诊断方法研究 被引量：3
5
作者 张健 赵咪 +1 位作者 黄毅 李景云 《太阳能学报》 北大核心 2025年第1期632-640,共9页
为提升光伏阵列故障诊断的准确率,提出一种基于改进长鼻浣熊优化算法优化极限学习机的光伏阵列故障诊断方法。首先,分析阵列中光伏组件在发生故障时的输出特性,选择合适的故障特征;其次,针对极限学习机在光伏阵列故障分类时初始权值和... 为提升光伏阵列故障诊断的准确率,提出一种基于改进长鼻浣熊优化算法优化极限学习机的光伏阵列故障诊断方法。首先,分析阵列中光伏组件在发生故障时的输出特性,选择合适的故障特征;其次,针对极限学习机在光伏阵列故障分类时初始权值和阈值的随机性问题,采用长鼻浣熊优化算法求解最优的初始权重和阈值;进一步地,针对长鼻浣熊算法初始参数的随机性和全局搜索能力的局限性问题,通过Circle混沌映射、莱维飞行和动态折射反向学习对该算法进行优化,提高寻优精度和速度;最后,结合光伏阵列故障实验数据,验证故障诊断模型的分类效果。结果表明,对于训练集和测试集数据,该诊断模型提高了故障分类精度,诊断率分别达到100%和98.33%,优于传统极限学习机、BP神经网络、支持向量机和卷积神经网络故障诊断的准确率。 展开更多
关键词 光伏组件 故障分析 特征选择 监督学习 极限学习机 改进长鼻浣熊优化算法
在线阅读 下载PDF
基于改进北方苍鹰算法与混合核极限学习机的齿轮箱故障诊断 被引量：1
6
作者 杜董生 王梦姣 +1 位作者 冒泽慧 赵环宇 《控制理论与应用》 北大核心 2025年第4期796-804,共9页
针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪... 针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪后的信号分解成多个本征模态函数(IMF),使用方差贡献率、相关系数和信息熵筛选出最优的IMF.将最优IMF重构后,对重构信号进行时间同步平均(TSA)去噪以减少故障诊断模型的数据计算量.将Tent混沌映射、混合正弦余弦算法和Levy飞行策略用于改进北方苍鹰优化(NGO)算法,得到一种新的INGO算法.同时,引入余弦因子以平衡正弦余弦算法的全局和局部开发能力.最后,利用INGO算法对HKELM进行优化,用以提高HKELM模型的故障诊断准确率.将所提方法应用于两个案例对模型进行检验,实验结果表明,本文所提方法具有可行性和优越性. 展开更多
关键词 混合核极限学习机 改进北方苍鹰优化算法 时变滤波经验模态分解 故障诊断
在线阅读 下载PDF
基于改进优化算法的WELM月径流预测模型研究 被引量：1
7
作者 王应武 华春莉 茶建帮 《人民长江》 北大核心 2025年第2期82-90,共9页
针对在月径流预测中将传统数据分解技术直接应用于整个时间序列时,在模型训练过程中会提前使用“未来信息”从而导致预测结果“不可信”的问题,提出两种不引入“未来信息”的小波包变换(WPT)-改进蝴蝶优化算法(IBOA)/改进海马优化(ISHO... 针对在月径流预测中将传统数据分解技术直接应用于整个时间序列时,在模型训练过程中会提前使用“未来信息”从而导致预测结果“不可信”的问题,提出两种不引入“未来信息”的小波包变换(WPT)-改进蝴蝶优化算法(IBOA)/改进海马优化(ISHO)算法-加权极限学习机(WELM)月径流时间序列预测模型。首先,将月径流时间序列划分为训练集和预测集,利用WPT分别对训练集和预测集进行分解处理,避免在训练过程中提前使用“预测集信息”;其次,通过6个典型函数验证IBOA/ISHO的寻优能力,利用IBOA/ISHO优化WELM输入层权值和隐含层偏差(简称“超参数”),建立WPT-IBOA/ISHO-WELM模型对各分解分量进行预测和重构;同时构建基于整个时间序列分解的WPT-IBOA/ISHO-WELM(全)模型,与其他4种优化算法和未经分解、未经优化的IBOA/ISHO-WELM、WPT-WELM模型作对比分析;最后,通过云南省李仙江流域把边、景东水文站月径流时间序列预测实例对各模型进行检验。结果表明:①WPT-IBOA-WELM、WPT-ISHO-WELM模型对把边、景东站月径流预测的平均绝对百分比误差(MAPE)为1.649%~1.897%,预测精度优于其他对比模型,具有更好的预测效果。②WPT-IBOA-WELM、WPT-ISHO-WELM模型的预测精度基本不受“未来信息”的影响,能客观真实反映出月径流预测效果,具有较好的实用意义。③IBOA/ISHO仿真精度和WELM超参数优化效果均优于其他优化算法,表明通过logistic映射等策略可以显著提升IBOA/ISHO优化性能。 展开更多
关键词 月径流预测 小波包变换 改进蝴蝶优化算法 改进海马优化算法 加权极限学习机 超参数优化 把边水文站 景东水文站 李仙江流域
在线阅读 下载PDF
基于AMSD-WTSSA-DELM模型的铁路沿线短期风速预测方法
8
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
基于IDBO-HKELM的冷水机组故障诊断方法
9
作者 王宏 储盼 +3 位作者 管大松 郭洋 田增瑞 盛英杰 《科学技术与工程》 北大核心 2025年第22期9505-9513,共9页
冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习... 冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习机(hybrid kernel extreme learning machine,HKELM)融合的故障诊断模型,用于实现冷水机组早期故障的精确诊断。该模型首先采用混合核函数提高核极限学习机(kernel extreme learning machine,KELM)的学习能力和泛化性,其次将Bernoulli映射、自适应惯性因子和Levy飞行融合动态权重系数策略用于改进蜣螂优化算法(dung beetle optimizer,DBO),以平衡DBO算法的全局探索性能。最后通过基准函数验证IDBO算法的有效性,利用IDBO算法对HKELM超参数进行优化,从而构建用于冷水机组早期故障诊断的数据驱动模型。通过相关训练仿真和实验验证,所提出的IDBO-HKELM模型对冷水机组的早期故障诊断准确率提高到99.71%,对比其他算法具有明显优势。 展开更多
关键词 冷水机组 群体算法 HKELM IDBO算法 故障诊断
在线阅读 下载PDF
多策略改进SSA优化KELM的边坡稳定性预测模型
10
作者 祁云 薛凯隆 +3 位作者 李绪萍 汪伟 白晨浩 吉准泽 《中国安全科学学报》 北大核心 2025年第3期92-98,共7页
为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡... 为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡稳定性评价数据集;其次,引入Sine混沌映射、Levy飞行策略、动态自适应权重以及融合最优爆炸策略和反向学习改进麻雀搜索算法(SSA),以提高其全局搜索能力和稳定性;而后利用ISSA优化KELM中的核参数ψ和正则化系数C,提升其预测精度,同时避免KELM出现过拟合现象;最后,对比分析ISSA-KELM模型与SSA-KELM、粒子群优化算法(PSO)-KELM以及PSO-支持向量机(SVM)模型的预测结果,并将ISSA-KELM模型应用于山西某露天煤矿。结果表明:ISSA-KELM模型的准确率、精确率、召回率和F 1分数分别达到了0.9459、1、0.8667和0.929,均优于SSA-KELM、PSO-KELM和PSO-SVM模型,模型的预测结果与实际值最为接近,表明所建ISSA-KELM模型具有较强的泛化能力。 展开更多
关键词 边坡稳定性 预测模型 改进麻雀搜索算法(ISSA) 核极限学习机(KELM) 预测指标 混淆矩阵
在线阅读 下载PDF
基于IAOA-KELM的储气库注采管柱内腐蚀速率预测 被引量：3
11
作者 骆正山 于瑶如 +1 位作者 骆济豪 王小完 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期971-977,共7页
针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm,AOA)与核极限学习机(Kernel Extreme Learning Machine,KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降... 针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm,AOA)与核极限学习机(Kernel Extreme Learning Machine,KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm,IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization,PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E RMSE为0.65%,E MAE为0.39%,R 2为99.83%,均优于其他模型。研究表明,IAOA-KELM模型能够更为准确地预测储气库注采管柱内腐蚀速率,为储气库注采管柱的运维及储气库的健康管理提供参考。 展开更多
关键词 安全工程 地下储气库 注采管柱 核极限学习机 改进阿基米德优化算法 腐蚀速率
在线阅读 下载PDF
基于IHHO-HKELM输电线路覆冰预测模型 被引量：5
12
作者 黄力 宋爽 +4 位作者 刘闯 王骏骏 胡丹 何其新 鲁偎依 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第4期33-41,共9页
为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中... 为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中引入混合核函数,形成HKELM,利用黄金正弦、非线性递减能量指数和高斯随机游走等策略对IHHO算法进行改进;以IHHO算法的优化性能采用其对HKELM的权值向量和核参数进行优化,建立基于IHHO-HKELM的输电线路覆冰预测模型,并通过计算气象因素与覆冰厚度之间的灰色关联度确定覆冰预测模型的输入量。算例分析结果表明,IHHO-HKELM模型预测结果的均方误差、最大误差和平均相对误差分别为0.285、0.860 mm和2.83%,预测效果好于其他模型,将本文覆冰预测模型应用于其他覆冰线路,可获得良好的应用效果并验证模型的优越性和实用性。 展开更多
关键词 输电线路 覆冰预测 核极限学习机 混合核函数 改进哈里斯鹰算法
在线阅读 下载PDF
基于WPT-IDBO-RELM和WPT-IDMO-RELM模型的日径流预测 被引量：3
13
作者 李菊 崔东文 《水利水电科技进展》 CSCD 北大核心 2024年第6期48-55,85,共9页
为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模... 为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模型。对云南省暮底河水库、马鹿塘电站入库日径流进行预测,结果表明WPT-IDBO-RELM和WPT-IDMO-RELM模型对暮底河水库日径流预测的平均绝对百分比误差分别为1.048%、1.015%,对马鹿塘电站日径流预测的平均绝对百分比误差分别为1.493%、1.478%,优于其他对比模型;IDBO、IDMO算法对标准测试函数和实例目标函数的寻优效果均优于其他对比算法,且IDBO、IDMO算法优化效果越好,RELM超参数越优,WPT-IDBO-RELM、WPT-IDMO-RELM模型预测精度越高;WPT可将日径流序列分解为分量更少、规律性更强的子序列分量,在提高预测精度的同时显著降低模型复杂度和计算规模。 展开更多
关键词 日径流预测 正则化极限学习机 改进蜣螂优化算法 改进侏獴优化算法 小波包变换
在线阅读 下载PDF
基于ICEEMDAN多尺度熵与NGO-HKELM的转子故障诊断 被引量：4
14
作者 陆水 李振鹏 +2 位作者 李军 颜东梅 黄福川 《组合机床与自动化加工技术》 北大核心 2024年第4期175-180,共6页
针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完... 针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完全集合经验模态分解(improved complete empirical mode decomposition with adaptive noise,ICEEMDAN)方法对转子振动信号进行分解和重构;计算重构信号的多尺度样本熵(multiscale sample entropy,MSE),形成特征向量,通过核主成分分析(kernel principal component analysis,KPCA)方法对高维的特征向量进行降维;最后,将降维后的特征向量输入北方苍鹰算法(northern goshawk optimization,NGO)优化的混合核极限学习机(hybrid extreme learning machine,HKELM)进行转子故障分类。研究结果表明,基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断模型,平均识别准确率可达97.7273%,平均寻优时间为1.0681 s,收敛速度快、准确率高以及分类效果好。 展开更多
关键词 改进的ICEEMDAN 多尺度样本熵 北方苍鹰算法 混合核极限学习机 转子故障诊断
在线阅读 下载PDF
基于WPT-ITTA-RELM/ELM/LSSVM模型的日径流预测研究 被引量：4
15
作者 董欣林 崔东文 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第4期16-24,共9页
为提高日径流预测精度,验证改进足球战术算法(ITTA)寻优正则化极限学习机(RELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)超参数对日径流预测精度的影响,提出小波包分解(WPT)-ITTA-RELM/ELM/LSSVM时间序列预测模型,并通过德厚大型... 为提高日径流预测精度,验证改进足球战术算法(ITTA)寻优正则化极限学习机(RELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)超参数对日径流预测精度的影响,提出小波包分解(WPT)-ITTA-RELM/ELM/LSSVM时间序列预测模型,并通过德厚大型水库入库日径流预测实例进行验证.首先,利用WPT分解处理日径流时序数据,以获得更具规律的子序列分量;其次,通过典型测试函数和RELM/ELM/LSSVM超参数寻优适应度函数对ITTA寻优能力进行检验,并与基本足球战术算法(TTA)、灰狼优化(GWO)算法、倭黑猩猩优化(BO)算法、黏菌算法(SMA)、鲸鱼优化算法(WOA)的优化结果作对比;最后,建立WPT-ITTA-RELM/ELM/LSSVM模型对实例日径流进行预测,并构建WPT-TTA/GWO/BO/SMA/WOA-RELM、WPT-TTA/GWO/BO/SMA/WOA-ELM、WPT-TTA/GWO/BO/SMA/WOA-LSSVM、WPT-RELM/ELM/LSSVM作对比分析模型.结果表明:对于高维和低维优化问题,ITTA寻优精度均优于TTA、GWO、BO、SMA、WOA,表明通过Levy飞行策略及平衡系数等的改进,可有效提高ITTA全局搜索性能和全局、局部平衡能力.WPT-ITTA-RELM、WPT-ITTA-ELM模型对实例日径流预测的平均绝对百分比误差(E_(MAP))分别为0.521%与0.604%,平均绝对误差(E MA)分别为0.024 m^(3)/s与0.025 m^(3)/s,纳什效率系数(E_(NS))均为0.9992,优于其他对比模型;其中WPT-ITTA-ELM模型运行时间较长,不利于大容量样本的预测研究.对于RELM/ELM超参数高维寻优,ITTA优化效果最好,SMA、TTA次之,GWO、BO、WOA优化效果较差;对于LSSVM超参数低维寻优,由于优化维度低、问题简单,ITTA等6种算法均具有较好的优化效果,但ITTA优化效果最好. 展开更多
关键词 日径流预测 极限学习机 最小二乘支持向量机 改进足球战术算法 小波包变换 超参数优化
在线阅读 下载PDF
多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测 被引量：4
16
作者 刀海娅 程刚 崔东文 《中国农村水利水电》 北大核心 2024年第6期1-9,20,共10页
为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和... 为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。 展开更多
关键词 日径流预测 多极小波包变换 改进浣熊优化算法 混合核极限学习机 超参数优化
在线阅读 下载PDF
基于VMD-ORELM-EC的超短期风速组合预测模型 被引量：1
17
作者 谢东良 郅伦海 +1 位作者 周康 胡峰 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第5期703-711,共9页
为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-... 为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-ORELM-EC。首先利用VMD将原始风速序列分解,并对每个分解子序列分别建立ORELM模型,将各子模型预测结果相加得到模型初步预测序列;然后将原始风速序列与初步预测序列相减得到模型的误差序列,并对误差序列进行VMD分解,对分解得到的误差子序列建立ORELM模型,从而得到误差预测序列;最后将模型的初步预测序列与误差预测序列组合得到最终的风速预测序列。利用该文提出的预测模型对北京测风塔实测的风速数据进行分析,结果表明模型可以有效挖掘风速序列特性,在超短期风速预测上具有较高的预测性能。 展开更多
关键词 超短期风速预测 变分模态分解(VMD) 离群鲁棒极限学习机(ORELM) 误差修正(EC)
在线阅读 下载PDF
基于ISSA-ELM的船舶压载水系统故障诊断研究
18
作者 王曼绮 曹辉 +1 位作者 张琦 张宝中 《舰船科学技术》 北大核心 2024年第19期36-41,共6页
为了从船舶压载水系统中有效挖掘数据信息,降低极限学习机(ELM)初始参数随机性对故障诊断精度的影响,提出基于改进麻雀搜索算法(ISSA)优化ELM的船舶压载水系统故障诊断模型。首先,使用自适应加权策略和Levy飞行策略改进发现者位置公式,... 为了从船舶压载水系统中有效挖掘数据信息,降低极限学习机(ELM)初始参数随机性对故障诊断精度的影响,提出基于改进麻雀搜索算法(ISSA)优化ELM的船舶压载水系统故障诊断模型。首先,使用自适应加权策略和Levy飞行策略改进发现者位置公式,获得ISSA并验证其性能;而后利用改进后的麻雀搜索算法对ELM的初始输入权重和阈值进行优化,建立基于ISSA-ELM的故障诊断模型。结果表明,ISSA-ELM模型的故障诊断精度为96.6%,比SSAELM、PSO-ELM、GWO-ELM模型高出1.8%、3.5%和2.6%,比ELM和SVM模型高出4.5%和7.1%。 展开更多
关键词 船舶压载水系统 故障诊断 极限学习机(ELM) 改进麻雀搜索算法(ISSA)
在线阅读 下载PDF
膜内麻雀优化ELM的软件缺陷预测算法
19
作者 唐宇 代琪 +1 位作者 杨梦园 陈丽芳 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期643-654,共12页
原始麻雀搜索算法存在寻优精度低、迭代后期容易陷入局部极值的问题,结合高效寻优性能的改进麻雀搜索算法和具有并行计算能力的膜计算,提出一种膜内麻雀优化算法(IMSSA)。在10个CEC2017测试函数上的实验结果表明,IMSSA具有更高的寻优精... 原始麻雀搜索算法存在寻优精度低、迭代后期容易陷入局部极值的问题,结合高效寻优性能的改进麻雀搜索算法和具有并行计算能力的膜计算,提出一种膜内麻雀优化算法(IMSSA)。在10个CEC2017测试函数上的实验结果表明,IMSSA具有更高的寻优精度。为进一步验证IMSSA的性能,使用IMSSA优化极限学习机(ELM)参数,提出一种膜内麻雀优化ELM(IMSSA-ELM)算法,并将其应用于软件缺陷预测领域。实验结果表明:在15个公开的软件缺陷数据集中,IMSSA-ELM算法预测性能在G-mean、MCC这2个评价指标下明显优于其他4种先进的对比算法,表明IMSSA-ELM算法具有更好的预测精度和稳定性,其实验结果在Friedman ranking和Holm’s post-hoc test非参数检验中具有明显的统计显著性。 展开更多
关键词 改进麻雀搜索算法 膜计算 极限学习机 优化算法 软件缺陷预测
在线阅读 下载PDF
基于改进遗传算法优化极限学习机的短期电力负荷预测 被引量：39
20
作者 律方成 刘怡 +3 位作者 亓彦珣 燕跃豪 张建涛 谢庆 《华北电力大学学报（自然科学版）》 CAS 北大核心 2018年第6期1-7,共7页
负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容。针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法。利用爬山法改进的遗传... 负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容。针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法。利用爬山法改进的遗传算法对极限学习机的权值和阈值进行优化,以获得稳定性强,预测精度高的优化模型。并将此模型与BP网络、极限学习机的预测结果进行对比,仿真实验结果表明,改进模型具有较快的训练速度和更为准确的预测结果,适应于影响因素众多,数据量巨大的现代短期电力负荷预测。 展开更多
关键词 极限学习机 改进遗传算法 BP算法 负荷预测 短期
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