多策略改进SSA优化KELM的边坡稳定性预测模型 被引量：13

1

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 职称材料

基于KELM的趵突泉泉域地下水流替代模型

2

作者 王子健 骆乾坤 +3 位作者 李迎春 刘鑫 邓亚平 钱家忠 《合肥工业大学学报(自然科学版)》 北大核心 2025年第1期85-91,共7页

文章以济南市趵突泉泉域为研究区,采用核极限学习机(kernel extreme learning machine,KELM)建立泉域地下水流数值模型的替代模型,使用拉丁超立方抽样(Latin hypercube sampling,LHS)方法确定60组地下水开采方案用于训练KELM模型,通过... 文章以济南市趵突泉泉域为研究区,采用核极限学习机(kernel extreme learning machine,KELM)建立泉域地下水流数值模型的替代模型,使用拉丁超立方抽样(Latin hypercube sampling,LHS)方法确定60组地下水开采方案用于训练KELM模型,通过对比地下水流数值模型的模拟结果与替代模型输出的结果,评价所建立替代模型的性能。结果表明:替代模型输出的地下水位值与地下水流数值模型模拟得到的地下水位值基本接近,且模型的运行时间减少了约99.62%。说明该模型可作为趵突泉泉域地下水流数值模型的替代模型,可提高区域地下水优化管理模型的求解效率。 展开更多

关键词 地下水数值模拟 趵突泉泉域 替代模型 核极限学习机(kelm) 拉丁超立方抽样(LHS)

在线阅读 下载PDF 职称材料

基于IAOA-KELM的储气库注采管柱内腐蚀速率预测 被引量：4

3

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 职称材料

基于RegNet-CSAM与ZOA-KELM模型的滚动轴承故障诊断 被引量：1

4

作者 戚晓利 王兆俊 +3 位作者 毛俊懿 王志文 崔德海 赵方祥 《振动与冲击》 EI CSCD 北大核心 2024年第11期165-175,共11页

针对现有深度卷积神经网络对滚动轴承混合故障诊断效果不佳以及模型复杂度过高导致计算成本过大等问题,提出了一种基于RegNet-CSAM与ZOA-KELM模型的滚动轴承故障诊断方法。该模型由RegNet-CSAM网络和ZOA-KELM分类算法组成。首先,将融合... 针对现有深度卷积神经网络对滚动轴承混合故障诊断效果不佳以及模型复杂度过高导致计算成本过大等问题,提出了一种基于RegNet-CSAM与ZOA-KELM模型的滚动轴承故障诊断方法。该模型由RegNet-CSAM网络和ZOA-KELM分类算法组成。首先,将融合了通道和空间特征的注意力机制CSAM与组卷积残差模块结合,提升该结构的表征能力,由此构建的RegNet-CSAM网络,模型复杂度为0.48GF;其次,在分类阶段将斑马优化核极限学习机(ZOA-KELM)替代原来网络中使用的Softmax函数完成最后的分类任务。滚动轴承故障诊断试验结果表明,RegNet网络对滚动轴承混合故障样本容易产生误判,CSAM的融入虽将RegNet网络的分类精度进一步提高,但是仍然存在一定程度的滚动轴承混合故障误判问题;而将ZOA-KELM替代Softmax函数后再对RegNet-CSAM网络输出特征进行分类,能够有效识别出滚动轴承的单一和混合故障,准确率达到了99.92%。所提方法对比其他网络,诊断精度最大提升5.02%,模型复杂度最大缩减32倍。 展开更多

关键词 故障诊断 滚动轴承 组卷积残差结构 注意力机制 斑马优化核极限学习机(ZOA-kelm)

在线阅读 下载PDF 职称材料

基于ikPCA-FABAS-KELM的短期风电功率预测 被引量：1

5

作者 徐武 范鑫豪 +2 位作者 沈智方 刘洋 刘武 《南京信息工程大学学报》 CAS 北大核心 2024年第3期321-331,共11页

为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型... 为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度;其次,引入萤火虫个体吸引策略对天牛须算法(BAS)进行改进,提出FABAS算法;最后,利用FABAS算法对核极限学习机(KELM)的正则化参数C和核参数γ进行寻优,降低人为因素对模型盲目训练的影响,提高模型预测精度.仿真结果显示,提出的预测模型有效提高了传统模型的预测精度. 展开更多

关键词 短期风电功率预测 萤火虫算法 天牛须算法 核主成分分析 核极限学习机

在线阅读 下载PDF 职称材料

基于ICEEMDAN分解重构的BiLSTM-KELM短期电力负荷预测 被引量：3

6

作者 王晨 李又轩 +2 位作者 王淑侠 邬蓉蓉 吴其琦 《科学技术与工程》 北大核心 2024年第32期13836-13843,共8页

短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分... 短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和排列熵(permutation entropy,PE)重构部分,以及双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)与核极限学习(kernel extreme learning machine,KELM)预测部分。首先,使用ICEEMDAN将复杂的负荷数据分解成n个相对平稳的子序列,从而降低数据的随机性,并引入排列熵来计算每个子序列的PE值来进行重构,有效减小了模型的计算规模。其次,采用BiLSTM模型来挖掘数据之间的内在联系,对各个重构序列进行学习和预测。最后,利用KELM对重构序列的预测值进行非线性拟合,进一步提高预测精度。实验结果表明:ICEEMDAN-PE-BiLSTM-KELM模型比传统长短期记忆神经网络(long short-term memory,LSTM)模型的均方根误差(root mean square error,RMSE)降低了106.05 MW,平均绝对误差(mean absolute error,MAE)降低了62.34 MW,平均绝对百分比误差(mean absolute percentage error,MAPE)降低了0.877%,可见该模型能够更好地解决数据的复杂性和随机性,同时提高预测精度。 展开更多

关键词 短期电力负荷预测 改进的自适应噪声完备集经验模态分解(ICEEMDAN) 排列熵(PE) 双向长短期记忆神经网络(BiLSTM) 核极限学习(kelm)

在线阅读 下载PDF 职称材料

通过PO-KELM的3D NAND FLASH寿命预测方法研究

7

作者 卜柯方 李杰 秦丽 《中国测试》 CAS 北大核心 2024年第9期74-82,共9页

随着半导体行业的快速发展,以及各种芯片国产化的趋势越来越明显,3D NAND FLASH作为当前存储器件的重要代表,其寿命预测对于保障系统可靠性至关重要。因此,通过硬件搭建现场可编程门阵列采集平台,对3D NAND FLASH进行特性分析,在不同擦... 随着半导体行业的快速发展,以及各种芯片国产化的趋势越来越明显,3D NAND FLASH作为当前存储器件的重要代表,其寿命预测对于保障系统可靠性至关重要。因此,通过硬件搭建现场可编程门阵列采集平台,对3D NAND FLASH进行特性分析,在不同擦除/写入次数下模拟FLASH可能发生的不同误码情况,分析耐久性、数据保持特性以及读、写干扰特性的变化趋势。同时提出鹦鹉优化器改进的核极限机器学习机,由于核极限学习机参数寻优困难,鹦鹉优化器通过搜索位置提高参数寻优速度和准确度。采用将已使用的循环次数作为输出结果对FLASH进行寿命预测。实验结果表明,相比其他机器学习,采用鹦鹉优化的核极限学习机预测模型精度可以达到98.5%,在提升训练速度和准确度中具有重要的现实意义。 展开更多

关键词 3D NAND FLASH 现场可编程门阵列(FPGA) 机器学习 鹦鹉优化器(PO) 核极限学习机(kelm)

在线阅读 下载PDF 职称材料

基于CMIE与参数优化KELM的旋转机械故障诊断策略 被引量：1

8

作者 连璞 吴磊 伍永豪 《机电工程》 北大核心 2024年第1期62-71,共10页

针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引... 针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引入增长熵代替排列熵,进行了故障特征提取,同时采用复合粗粒化处理进行了信号的多尺度分析,提出了复合多尺度增长熵指标,将其用于提取旋转机械振动信号的非线性故障特征;随后,利用AOA对KELM的核心参数进行了自适应优化,建立了网络结构最优的分类模型;最后,将故障特征输入至AOA-KELM分类器,进行了训练和测试,根据分类器的输出标签完成了样本的故障识别任务;利用旋转机械故障数据集对所提策略的性能进行了实验和分析。研究结果表明:CMIE方法可以有效地识别旋转机械的故障类型和故障程度,两种数据集的识别精度均达到了99.2%,在特征提取效率和识别精度方面均优于比较方法;AOA-KELM模型的识别准确率和识别效率优于遗传算法优化核极限学习机、粒子群算法优化极限学习机、网格算法优化核极限学习机和灰狼算法优化核极限学习机。 展开更多

关键词 复合多尺度增长熵 算术优化算法 核极限学习机 滚动轴承 齿轮箱 复合粗粒化处理 信号多尺度分析

在线阅读 下载PDF 职称材料

基于ISSA-KELM的锂离子电池组SOC预测

9

作者 张英达 马鸿雁 +3 位作者 窦嘉铭 王帅 李晟延 胡璐锦 《电源学报》 CSCD 北大核心 2024年第6期217-224,共8页

针对锂离子电池组荷电状态SOC(state-of-charge)难以预测的问题,提出改进麻雀搜索算法ISSA(improved sparrow search algorithm)优化核极限学习机KELM(kernel extreme learning machine)的SOC预测模型。首先,引入Logistic混沌映射改进标... 针对锂离子电池组荷电状态SOC(state-of-charge)难以预测的问题,提出改进麻雀搜索算法ISSA(improved sparrow search algorithm)优化核极限学习机KELM(kernel extreme learning machine)的SOC预测模型。首先,引入Logistic混沌映射改进标准SSA,获取最优种群个体;其次,采用改进算法优化KELM的核函数参数S和惩罚系数C,建立ISSA-KELM预测模型;最后,利用某储能设备的历史数据进行仿真研究,对比分析ELM、KELM和ISSA-KELM模型的预测结果,并选用其他工况数据验证模型的鲁棒性。结果表明,SOC预测均方根误差和平均绝对误差分别减小至2.06%和1.54%,证明所提模型的预测精度提高,具有良好的收敛性、泛化性及鲁棒性。 展开更多

关键词 锂电池组 荷电状态 核极限学习机 算法优化

在线阅读 下载PDF 职称材料

基于VMD和Bat-KELM的仿真变电站蓄电池剩余寿命预测

10

作者 任罡 季宁 +3 位作者 胡晓丽 李世倩 张洁华 吴祎 《电源学报》 CSCD 北大核心 2024年第4期251-259,共9页

仿真变电站蓄电池的工作模式呈现间歇非连续性,导致电池性能在退化过程中存在容量再生现象,退化规律具有非平稳性和随机性,增大了蓄电池精确剩余寿命RUL(remaining useful life)的难度。针对存在容量再生现象的蓄电池剩余寿命预测问题,... 仿真变电站蓄电池的工作模式呈现间歇非连续性,导致电池性能在退化过程中存在容量再生现象,退化规律具有非平稳性和随机性,增大了蓄电池精确剩余寿命RUL(remaining useful life)的难度。针对存在容量再生现象的蓄电池剩余寿命预测问题,提出了变分模态分解VMD(variational mode decomposition)和蝙蝠(Bat)优化核极限学习机KELM(kernel extreme learning machine)组合的预测方法。基于VMD将蓄电池健康状态SOH(state of health)时间序列分解为整体退化分量和容量再生分量;利用Bat优化KELM构建各分量预测模型,以提高分量趋势预测精度;通过各分量独立预测结果的叠加,得到精确的蓄电池健康状态及剩余寿命预测值。将该方法应用于蓄电池退化数据实例分析中,结果表明该方法相较于KELM模型及VMD-KELM模型,预测精度更高,验证了该方法的优越性。 展开更多

关键词 仿真变电站 蓄电池 剩余寿命预测 变分模态分解 核极限学习机

在线阅读 下载PDF 职称材料

基于变分模态分解和核极限学习机集成模型的电动汽车锂电池健康状态预测

11

作者 巫春玲 吕晶晶 +3 位作者 相里康 孟锦豪 黄鑫蓉 张震 《电源学报》 北大核心 2025年第6期288-299,共12页

在传统电动汽车锂电池预测中,往往将健康状态SOH(state-of-health)预测视作一个整体,进而给出单一SOH预测结果。但在汽车实际运行中,直接进行SOH的单一预测误差大,预测效果不好。为了提高电动汽车电池的SOH预测精度,提出了1种基于变分... 在传统电动汽车锂电池预测中,往往将健康状态SOH(state-of-health)预测视作一个整体,进而给出单一SOH预测结果。但在汽车实际运行中,直接进行SOH的单一预测误差大,预测效果不好。为了提高电动汽车电池的SOH预测精度,提出了1种基于变分模态分解和麻雀搜索算法优化的核极限学习机集成模型的新预测方法VMD-SSA-KELM。该方法通过变分模态分解电池SOH序列,降低SOH回升的影响;同时利用Person相关法减少噪声的影响,提高预测的准确性;引入核极限学习机KELM,在保留极限学习机优点的基础上,提高了预测的精度。基于4辆电动汽车的运行数据对提出的模型进行验证,结果表明与VMD-DBO-KELM、VMDPOA-KELM、VMD-KELM、VMD-ELM模型相比,所提模型的预测趋势与原数据趋势一致,其他模型的结果波动较大,新模型预测的均方根误差在0.20%内,预测精度更高,预测效率更快,所用时间更短,故可以证明所提方法具有更高的准确性和鲁棒性。 展开更多

关键词 锂电池 变分模态分解 核极限学习机 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于KELM和多传感器信息融合的风电齿轮箱故障诊断 被引量：28

12

作者 龙霞飞 杨苹 +2 位作者 郭红霞 赵卓立 赵智 《电力系统自动化》 EI CSCD 北大核心 2019年第17期132-139,共8页

为提高风电齿轮箱的运行效率,降低风电场的运行维护成本,结合时域统计特征分析和多传感器信息融合技术,提出了一种基于灰狼优化核极限学习机(GWO-KELM)的风电齿轮箱状态监测新方法。首先,计算原始振动信号不同的时域统计特征参数,并采... 为提高风电齿轮箱的运行效率,降低风电场的运行维护成本,结合时域统计特征分析和多传感器信息融合技术,提出了一种基于灰狼优化核极限学习机(GWO-KELM)的风电齿轮箱状态监测新方法。首先,计算原始振动信号不同的时域统计特征参数,并采用并行叠加的方式对特征级和数据级进行信息融合以得到融合数据集。其次,利用融合数据集,建立了基于GWO-KELM的故障分类识别模型。最后,运用所提方法对QPZZ-Ⅱ旋转机械振动试验台齿轮箱实测数据进行状态监测,实例结果表明了该方法的有效性和可行性,与其他同类方法相比,所提方法具有最佳分类性能。 展开更多

关键词 状态监测 风电齿轮箱 灰狼优化核极限学习机 多传感器信息融合

在线阅读 下载PDF 职称材料

基于数据降噪启发式算法的太阳电池参数辨识

13

作者 古旻琦 吕智林 +2 位作者 陆剑锋 海涛 王钧 《太阳能学报》 北大核心 2025年第7期589-597,共9页

实测电压-电流(V-I)数据中的噪声会降低启发式算法(MhA)的太阳电池参数辨识精度。为解决该问题,基于核极限学习机(KELM)提出一种数据降噪启发式算法(DDMhA)以实现对太阳电池参数的精确辨识。利用KELM对V-I数据进行训练以滤除噪声,提升Mh... 实测电压-电流(V-I)数据中的噪声会降低启发式算法(MhA)的太阳电池参数辨识精度。为解决该问题,基于核极限学习机(KELM)提出一种数据降噪启发式算法(DDMhA)以实现对太阳电池参数的精确辨识。利用KELM对V-I数据进行训练以滤除噪声,提升MhA适应度函数的准确度,增强其全局搜索能力以保障参数辨识精度。在验证实验中,采用双二极管太阳电池模型(DDM)进行参数辨识,对50组混淆V-I数据分别进行不降噪以及降噪处理,随后对比不同处理方式下6种MhA的参数辨识结果。根据实验结果分析,DDMhA能够滤除数据噪声,有效提升原MhA的辨识精度和收敛速度。 展开更多

关键词 太阳电池 参数辨识 启发式算法 数据降噪 核极限学习机

在线阅读 下载PDF 职称材料

基于PSO-HKELM的变压器顶层油温预测模型 被引量：40

14

作者 李可军 徐延顺 +3 位作者 魏本刚 黄华 亓孝武 胡爽 《高电压技术》 EI CAS CSCD 北大核心 2018年第8期2501-2508,共8页

为精确预估变压器的热状态以指导变压器的载荷运行,基于粒子群优化的混合核极限学习机提出一种变压器顶层油温度预测模型。使用核极限学习机对顶层油温度与其影响因素之间的映射关系进行拟合回归预测,模型全面考虑了包括环境风速在内的... 为精确预估变压器的热状态以指导变压器的载荷运行,基于粒子群优化的混合核极限学习机提出一种变压器顶层油温度预测模型。使用核极限学习机对顶层油温度与其影响因素之间的映射关系进行拟合回归预测,模型全面考虑了包括环境风速在内的顶层油温的主要影响因素,并采用混合核函数提高模型的学习能力和泛化性能来取得更佳的预测精度。粒子群算法用来进行模型的训练并同时进行混合核函数参数的优化,对正负训练误差采用不同容许限度处理,使得模型的预测值大于实测值,预测结果在提高精度的同时更加具有保守可靠性。通过不同季节的实测数据进行算例验证,结果表明该模型预测值与实测值基本一致,且预测误差均为正值;该模型的最大预测误差为1.97℃,分别为同条件下BP神经网络和最小二乘支持向量机模型的78.49%和82.43%;该模型具有更佳的顶油温度预测精度,能够更加可靠地实现变压器的热状态估计。 展开更多

关键词 电力变压器 顶层油温度 混合核函数 核极限学习机 粒子群算法

在线阅读 下载PDF 职称材料

基于IPMeans-KELM的入侵检测算法研究 被引量：9

15

作者 陈兴亮 李永忠 于化龙 《计算机工程与应用》 CSCD 北大核心 2016年第22期118-122,共5页

目前入侵检测系统中普遍存在数据维度高、数据量大、训练难等问题。在入侵检测系统中应用核极限学习机(KELM)算法,使其能够适应大量高维数据的训练,且学习速度快无需调整网络的输入权值,降低了检测系统的训练难度。但是由于入侵数据集... 目前入侵检测系统中普遍存在数据维度高、数据量大、训练难等问题。在入侵检测系统中应用核极限学习机(KELM)算法,使其能够适应大量高维数据的训练,且学习速度快无需调整网络的输入权值,降低了检测系统的训练难度。但是由于入侵数据集的不均衡性、噪音干扰性、分布不均性等,直接影响了KELM的分类性能。因此,针对入侵数据处理问题,提出了一种基于IPMeans-KELM的入侵检测算法。该算法首先利用改进的PSO优化K-means算法(IPMeans)对入侵数据进行聚类处理,增加相同数据类型的聚集度,然后对处理后的数据进行10-CV分割,将分割的10份数据轮流训练KELM分类器,把测试数据通过训练好的KELM分类器进行测试,输出分类器检测率的平均值,如果检测效果不满足期望条件,则进行循环处理,直至条件满足。在Matlab平台上进行了对比实验,实验结果表明该算法在有效地提高了入侵检测率的同时降低了误报率。 展开更多

关键词 网络入侵 粒子群算法 K均值算法 核极限学习机 10折交叉验证

在线阅读 下载PDF 职称材料

基于传递熵与KELM的炼油化工过程风险传播路径分析方法 被引量：4

16

作者 蔡爽 胡瑾秋 张来斌 《中国安全生产科学技术》 CAS CSCD 北大核心 2018年第3期19-26,共8页

基于炼油化工过程复杂,设备众多,某一设备的监测变量发生扰动可能会传播至其相邻设备引发出一系列故障链。现有方法多是针对某一设备进行监测与诊断,以期降低事故后果,而忽视了对过程风险传播路径的预测以防止事故的发生。因此,提出一... 基于炼油化工过程复杂,设备众多,某一设备的监测变量发生扰动可能会传播至其相邻设备引发出一系列故障链。现有方法多是针对某一设备进行监测与诊断,以期降低事故后果,而忽视了对过程风险传播路径的预测以防止事故的发生。因此,提出一种基于传递熵与核极限学习机的炼油化工过程风险传播路径分析方法,该方法针对某一工艺扰动,分析其在风险发展过程中的扰动传播过程,基于传递熵分析法建立炼油化工过程风险传播推绎模型;并提出一种基于KELM的风险传播搜索方法,预测风险传播路径;将该方法应用于分馏塔冲塔过程。研究结果表明:该方法可辨识出未来一段时间内风险的可能传播路径,以便操作人员及时采取预防措施,保证过程安全及产品质量。 展开更多

关键词 炼油化工过程 推绎模型 传递熵 核极限学习机 传播路径

在线阅读 下载PDF 职称材料

基于云模型BBO算法优化KELM的网络入侵检测 被引量：2

17

作者 叶炼炼 《山东农业大学学报（自然科学版）》 CSCD 北大核心 2018年第5期862-866,共5页

鉴于核极限学习机的网络入侵检测结果易受正则化系数C和核参数g的影响,本文选择网络入侵检测的准确率为适应度,通过云模型BBO算法优化正则化系数C和核参数g,实现网络入侵的自适应检测,从而确立一种云模型BBO算法优化KELM的网络入侵检测... 鉴于核极限学习机的网络入侵检测结果易受正则化系数C和核参数g的影响,本文选择网络入侵检测的准确率为适应度,通过云模型BBO算法优化正则化系数C和核参数g,实现网络入侵的自适应检测,从而确立一种云模型BBO算法优化KELM的网络入侵检测算法。结果表明,该算法能够实现网络入侵的高精度检测。 展开更多

关键词 生物地理学优化 核极限学习机 网络入侵检测

在线阅读 下载PDF 职称材料

基于AVMD和BSA-KELM的水电站厂房结构振动预测研究 被引量：3

18

作者 王海军 许松 +1 位作者 陆建宏 任保瑞 《水资源与水工程学报》 CSCD 2020年第6期168-173,179,共7页

针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IM... 针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IMF分量分别建立KELM预测模型,模型参数采用BSA优化算法选取;最后通过信号重构得到结构预测振动时程曲线。将该方法应用于某实际水电站工程,以机组和水压脉动原型观测信号作为输入,以水电站厂房结构振动信号作为输出,建立了预测模型,预测信号与测试信号对比结果表明:测点预测结果决定系数均大于0.8,振动幅值均方根误差均小于0.3μm、平均绝对误差均小于0.2μm,证明该方法预测精度较高,预测效果良好。 展开更多

关键词 水电站厂房 振动预测 自适应模态分解 核极限学习机 鸟群算法

在线阅读 下载PDF 职称材料

基于三维光学指纹和NPSO-KELM的GIL局部放电定位方法 被引量：18

19

作者 臧奕茗 王辉 +2 位作者 钱勇 盛戈皞 江秀臣 《中国电机工程学报》 EI CSCD 北大核心 2020年第20期6754-6763,共10页

气体绝缘金属封闭输电线路中局部放电的有效检测及定位对于及时发现绝缘缺陷、提高检修效率至关重要。目前,局部放电光学检测作为一种有效的局放检测方法,具有良好的研究及应用前景。针对GIL气室轴向距离较长、局放源定位困难的问题,提... 气体绝缘金属封闭输电线路中局部放电的有效检测及定位对于及时发现绝缘缺陷、提高检修效率至关重要。目前,局部放电光学检测作为一种有效的局放检测方法,具有良好的研究及应用前景。针对GIL气室轴向距离较长、局放源定位困难的问题,提出一种基于三维光信号仿真指纹(three dimensional-optical signal simulation fingerprint,3D-OSSF)和非线性粒子群-核极限学习机(nonlinear particle swarm optimization-kernel extreme learning machine,NPSO-KELM)的定位方法,能够实现局放源的精确定位。该方法将光学仿真数据引入局放源定位中,克服了常规基于指纹的定位方法需要采集大量现场实验数据的难题。通过建立与实验GIL尺寸完全相同的仿真模型,获得不同位置的局放源光学仿真信号,构建包含坐标信息的光学定位仿真指纹库。继而通过NPSO算法对KELM模型进行优化,利用优化得到的NPSO-KELM模型将实测局放光学指纹与指纹库进行模式匹配,得到相应的局放源空间坐标。实验结果表明,该方法的平均定位误差小于lcm,能实现GIL中局放源的精确定位,定位效果明显优于常规KELM算法和BPNN算法。 展开更多

关键词 局部放电 GIL 定位算法 三维光信号仿真指纹 光学仿真指纹库 非线性粒子群–核极限学习机

在线阅读 下载PDF 职称材料

基于多域特征的BA - KELM微型电机故障检测 被引量：6

20

作者 郭明军 李伟光 +1 位作者 赵学智 张欣欣 《振动与冲击》 EI CSCD 北大核心 2023年第2期251-257,共7页

针对目前对于微型电机故障检测的研究较少及基于单域特征的传统电机诊断方法精度低等问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)及蝙蝠算法(bat algorithm, BA)优化核极限学习机(kernel based ex... 针对目前对于微型电机故障检测的研究较少及基于单域特征的传统电机诊断方法精度低等问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)及蝙蝠算法(bat algorithm, BA)优化核极限学习机(kernel based extreme learning machine, KELM)的微型电机故障检测方法。所提方法包括样本集构造、模型训练及参数优化和模型测试3个步骤:首先,对采集到的微型电机信号进行EEMD处理并依据相关系数原则筛选出主要的本征模态分量(intrinsic mode fuction, IMF),结合计算得到的电机信号的时域、频域特征构造多域特征集并进行归一化处理,按一定比例将样本集划分训练集和测试集;其次,输入训练集,以错误率为适应度,并采用蝙蝠算法对KELM模型进行参数优化;最后,输入测试集对优化的BA-KELM模型进行测试,并与其他模型进行对比。试验结果表明,所提方法的准确率达98.75%,高于其余方法。 展开更多

关键词 微型电机 故障诊断 蝙蝠算法(BA) 极限学习机(ELM) 核极限学习机(kelm)

在线阅读 下载PDF 职称材料