期刊文献+
共找到1,093篇文章
< 1 2 55 >
每页显示 20 50 100
A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter 被引量:9
1
作者 Yu-xing Li Long Wang 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2020年第3期543-554,共12页
Underwater acoustic signal processing is one of the research hotspots in underwater acoustics.Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing.Owing to the complexity ... Underwater acoustic signal processing is one of the research hotspots in underwater acoustics.Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing.Owing to the complexity of marine environment and the particularity of underwater acoustic channel,noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing.In order to solve the dilemma,we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN),minimum mean square variance criterion(MMSVC) and least mean square adaptive filter(LMSAF).This noise reduction technique,named CEEMDAN-MMSVC-LMSAF,has three main advantages:(i) as an improved algorithm of empirical mode decomposition(EMD) and ensemble EMD(EEMD),CEEMDAN can better suppress mode mixing,and can avoid selecting the number of decomposition in variational mode decomposition(VMD);(ii) MMSVC can identify noisy intrinsic mode function(IMF),and can avoid selecting thresholds of different permutation entropies;(iii) for noise reduction of noisy IMFs,LMSAF overcomes the selection of deco mposition number and basis function for wavelet noise reduction.Firstly,CEEMDAN decomposes the original signal into IMFs,which can be divided into noisy IMFs and real IMFs.Then,MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs.Finally,both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained.Compared with other noise reduction techniques,the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals,which has the better noise reduction effect and has practical application value.CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection,feature extraction,classification and recognition of underwater acoustic signals. 展开更多
关键词 Underwater acoustic signal Noise reduction empirical mode decomposition(EMD) ensemble EMD(EEMD) Complete EEMD with adaptive noise(CEEMDAN) Minimum mean square variance criterion(MMSVC) Least mean square adaptive filter(LMSAF) Ship-radiated noise
在线阅读 下载PDF
一种适用于风储微电网的混合储能系统的功率分配策略 被引量:2
2
作者 李艳波 杨凯 +3 位作者 陈俊硕 姚博彬 刘维宇 武奇生 《电测与仪表》 北大核心 2025年第2期43-50,共8页
混合储能系统是微电网的重要组成部分之一,研究其功率分配策略对电池的保护具有重要意义。在由超级电容-蓄电池组成的混合储能系统的基础上,提出互补集合经验模态分解的方法来平抑风力发电不稳定性而引起的功率波动。针对风力发电的波... 混合储能系统是微电网的重要组成部分之一,研究其功率分配策略对电池的保护具有重要意义。在由超级电容-蓄电池组成的混合储能系统的基础上,提出互补集合经验模态分解的方法来平抑风力发电不稳定性而引起的功率波动。针对风力发电的波动性及不确定性,互补集合经验模态分解法能够把风电原始能量信号分解为固有模态分量和余量,通过能量熵理论求出功率一次分配分界点,即初始功率分配;提出利用模糊控制对混合储能系统的荷电状态进行优化约束,自适应调整并修正混合储能系统功率分配指令。利用MATLAB程序及Simulink仿真模型并结合算例分析,结果说明了提出的策略可以使蓄电池SOC波动不超过8%,超级电容SOC波动不超过10%,有效提高了整个系统的工作效率和使用寿命。 展开更多
关键词 互补集合经验模态分解法 模糊控制 荷电状态 能量熵
在线阅读 下载PDF
基于Seq2Seq双向模型的水锤压力预测 被引量:1
3
作者 吴罗长 刘振兴 +4 位作者 雷洁 颜建国 郭鹏程 孙帅辉 马晋阳 《振动与冲击》 北大核心 2025年第3期99-106,共8页
水锤计算对保障长距离输水工程管网系统安全稳定运行具有重要意义,但传统水锤数值方法存在模型复杂、计算量大的问题。为此,在自主开发的瞬态流试验平台上,通过支路快速关阀产生水锤,获取了不同流量和压力条件下的瞬态水锤压力。试验参... 水锤计算对保障长距离输水工程管网系统安全稳定运行具有重要意义,但传统水锤数值方法存在模型复杂、计算量大的问题。为此,在自主开发的瞬态流试验平台上,通过支路快速关阀产生水锤,获取了不同流量和压力条件下的瞬态水锤压力。试验参数范围为:体积流量15~55 m^(3)/h,压力150~450 kPa。采用集合经验模态分解方法对水锤信号进行滤波,并对水锤压力的变化规律进行了深入的研究分析。基于双向门控循环单元,建立了用于水锤压力预测的序列到序列(sequence-to-sequence,Seq2Seq)双向预测模型。结果表明,Seq2Seq双向预测模型能有效预测支路水锤,其预测数据决定系数在0.8以上,水锤特征参数预测准确率超过98%。该研究成果为水锤压力预测提供了一种新方法。 展开更多
关键词 水锤 瞬变流 Seq2Seq 经验模态分解
在线阅读 下载PDF
融合二次分解的深度学习模型在PM_(2.5)浓度预测中的应用 被引量:1
4
作者 江雨燕 黄体臣 +1 位作者 甘如美江 王付宇 《安全与环境学报》 北大核心 2025年第1期296-309,共14页
针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode De... 针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Variational Mode Decomposition-Temporal Convolutional Network-Bi-directional Long Short-Term Memory,CEEMDAN-VMD-TCN-BiLSTM)。该模型先由递归特征消除(Recursive Feature Elimination,RFE)进行特征筛选,随后使用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将2013—2016年北京市PM_(2.5)质量浓度序列分解为一系列高低频模态分量并计算各分量样本熵,将样本熵由K-means聚类整合为新的分量,再由变分模态分解(Variational Mode Decomposition,VMD)方法进行二次分解。最后,将所有分量先经时间卷积网络(Temporal Convolutional Network,TCN)进行特征提取,并通过双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)预测,叠加各分量预测值即为最终预测结果。消融试验结果显示,该模型相比于单次CEEMDAN分解模型均方根误差E_(MAPE)降低19.312%,绝对误差E_(MAE)降低34.423%,百分比误差E_(MAPE)与希尔不等系数E_(TIC)分别减少40.465百分点和59.794%。由此可见,研究在引入VMD构成二次分解模型相比于单次分解模型的预测误差更小,精度更高,可为决策者在PM_(2.5)质量浓度预测与治理等工作提供一定参考。 展开更多
关键词 环境工程学 PM_(2.5)质量浓度预测 自适应噪声的完备经验模态分解 变分模态分解 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
一种结合时序分解与相似分量重组的深度学习滑坡位移组合预测模型 被引量:1
5
作者 瞿伟 李达 +1 位作者 李久元 边子策 《大地测量与地球动力学》 北大核心 2025年第3期221-230,共10页
在对滑坡监测数据粗差进行有效处理及充分顾及滑坡监测数据自身特性的基础上,提出一种结合时序分解与相似分量重组的深度学习滑坡位移组合预测模型。首先,利用孤立森林法对滑坡时序监测数据的显著粗差进行处理,再对其平稳性、自相关性... 在对滑坡监测数据粗差进行有效处理及充分顾及滑坡监测数据自身特性的基础上,提出一种结合时序分解与相似分量重组的深度学习滑坡位移组合预测模型。首先,利用孤立森林法对滑坡时序监测数据的显著粗差进行处理,再对其平稳性、自相关性、正态性进行综合分析,确定模型预测中输入特征序列的最佳长度;其次,利用集合经验模态分解(EEMD)方法,将非稳态滑坡监测数据分解为多个平稳时间序列,再结合样本熵与K-means算法将其划分为高频、中频、低频3类时间分量;最后,通过对比不同神经网络模型的预测精度,分别构建适合于3类时间分量的预测模型,再将预测结果相叠加,实现对滑坡位移的高精度预测。实验区典型滑坡体北斗/GNSS监测数据测试表明,本文组合预测模型对含有显著粗差的滑坡监测数据具有较好的适用性,相较于单一及现有组合模型可显著提高滑坡位移预测精度。 展开更多
关键词 滑坡位移预测 集合经验模态分解 样本熵 深度神经网络 时间卷积网络
在线阅读 下载PDF
基于柴油机曲轴瞬时转速信号EEMD分解的失火故障诊断 被引量:1
6
作者 黄英 李准 +2 位作者 王健 刘辰 胡博睿 《北京理工大学学报》 北大核心 2025年第4期384-390,共7页
对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸... 对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸失火和双缸失火这三个工况区间.通过多循环平均方法对三个工况区间数据进行预处理,并通过集合经验模态分解方法分解,该方法能自适应地将曲轴转速信号分解为若干个本征模态函数.通过集合经验模态分解得到每个本征模态函数幅值的异常波动,确定包含故障信息的本征模态函数,为了进一步提取特征,需对该本征模态函数进行快速傅里叶变换,根据主频分量的幅值,得到故障特征.最后在多个转速工况下进行上述诊断流程,得出各个转过速工况的诊断准确率,实现了诊断算法的转速工况敏感性分析.实验结果表明该方法能有效提取故障特征,实现了十缸柴油机基于多个瞬时转速的失火故障诊断. 展开更多
关键词 柴油机 失火故障诊断 集合经验模态分解(EEMD) 曲轴瞬时转速 特征提取 本征模态函数(IMFs) 快速傅里叶变换(FFT)
在线阅读 下载PDF
基于二次CEEMDAN与CCJC的滚动轴承故障冲击特征提取 被引量:1
7
作者 张亢 曹振华 +2 位作者 刘鹏飞 陈向民 牛晓瑞 《噪声与振动控制》 北大核心 2025年第1期112-118,247,共8页
滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEM... 滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)良好的非平稳非线性数据处理能力,首先将原始轴承振动信号中的各种成分予以分离,在此基础上,提出相关系数跳变准则(Correlation Coefficient Jump Criterion,CCJC)区别以故障周期性冲击成分为主的分量,以及以噪声和转频成分为主的分量,并通过二次分解二次重构的方式,最大限度去除噪声与转频相关成分,最终得到提纯的滚动轴承故障周期性冲击信号。通过对滚动轴承故障仿真信号和基准数据的分析,表明所提方法可以准确高效提取轴承故障周期性冲击成分;对滚动轴承实验振动信号进行分析,并与经典方法对比,验证所提方法的优势及其良好的工程应用前景。 展开更多
关键词 故障诊断 滚动轴承 振动信号 周期性冲击特征 自适应噪声完全集合经验模态分解 相关系数跳变准则
在线阅读 下载PDF
融合EEMD与HGS-LSTM的船厂生产车间能耗预测
8
作者 王冲 华德睿 +2 位作者 彭江 黄林 陈奕沅 《船海工程》 北大核心 2025年第4期115-120,126,共7页
为精准预测船厂生产车间的能耗,提出一种融合了集合经验模态分解(EEMD)与长短期记忆网络(LSTM)的能耗预测模型。采用EEMD模型对能耗时序数据进行分解,降低原始时序的不稳定性;采用饥饿游戏搜索算法(HGS)对LSTM的超参数进行优化,并对分... 为精准预测船厂生产车间的能耗,提出一种融合了集合经验模态分解(EEMD)与长短期记忆网络(LSTM)的能耗预测模型。采用EEMD模型对能耗时序数据进行分解,降低原始时序的不稳定性;采用饥饿游戏搜索算法(HGS)对LSTM的超参数进行优化,并对分解的各本征模函数进行预测,将各个预测结果叠加得到最终预测结果;采用LSTM网络、PSO-LSTM网络、HGS-LSTM网络、EEMD-LSTM网络与该组合模型对某中型造船厂生产车间能耗数据进行预测。实验结果表明,EEMD-HGS-LSTM模型具有更高的预测精度,在单步和多步预测中的MAE、RMSE均明显低于其他对比预测模型。 展开更多
关键词 车间能耗预测 集合经验模态分解 长短期记忆网络 饥饿游戏搜索算法
在线阅读 下载PDF
优化FEEMD与相似度量的滚动轴承故障特征提取
9
作者 马军 李祥 +1 位作者 秦娅 熊新 《兵器装备工程学报》 北大核心 2025年第3期252-266,共15页
针对快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)方法信噪分离不准确的问题,提出一种优化FEEMD与相似度量的滚动轴承故障特征提取方法。该方法建立基于最小包络熵的目标优化函数,并利用北方苍鹰优化算法(n... 针对快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)方法信噪分离不准确的问题,提出一种优化FEEMD与相似度量的滚动轴承故障特征提取方法。该方法建立基于最小包络熵的目标优化函数,并利用北方苍鹰优化算法(northern goshawk optimization,NGO)确定FEEMD的模型参数后,利用优化后的FEEMD将滚动轴承振动信号分解为多个本征模态函数分量和残余项,融合形态波动一致性偏移距离(morphology fluctuation conformance deviation distance,MFCDD)指标筛选有效分量进行重构,最后对重构信号进行Hilbert包络解调,完成滚动轴承故障特征提取。试验结果表明,所提方法相比变分模态分解方法、峭度分量选取方法、改进的完备集合经验模态分解联合豪斯多夫距离与峭度值方法,信噪比分别平均提升了1.75、12.2639、2.0605 dB,均方根误差分别降低了0.0078、0.0430、0.0656,能够更加清晰、全面地提取出故障特征频率及其倍频。 展开更多
关键词 滚动轴承 故障特征提取 集合经验模态分解 相似性 北方苍鹰算法
在线阅读 下载PDF
基于泊松噪声和优化极限学习机的多因素混合学习方法及应用
10
作者 蒋锋 路畅 王辉 《统计与决策》 北大核心 2025年第1期52-57,共6页
针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适... 针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适应调整参数改进蛇优化算法;最后,运用MSO优化的极限学习机(ELM)对每个子序列进行预测并集成。为了验证CEEMDPN-MSO-ELM模型的有效性,采用龙源电力集团的风电功率数据进行超短期预测,实证结果表明,CEEMDPN算法能够加强风电功率序列的主频率部分并提高分解精度,MSO算法能够很好地平衡算法的寻优速度与收敛精度,从而有效提升ELM模型的预测性能,所提模型的预测精度和稳健性均优于其他对比模型。 展开更多
关键词 超短期风电功率预测 互补集合经验模态分解 蛇优化算法 极限学习机
在线阅读 下载PDF
时间卷积长短时记忆网络煤矿平硐变形多步预测
11
作者 冀汶莉 淡新 +6 位作者 马晨阳 柴敬 吴玉意 秋风岐 刘文涛 雷武林 刘永亮 《煤炭科学技术》 北大核心 2025年第4期176-190,共15页
煤矿主平硐易受到外界因素的干扰,对其变形进行监测和预测十分重要。在光纤光栅监测平硐变形工程应用的基础上,提出了集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的时间卷积网络(Temporal Convolutional Network,TCN... 煤矿主平硐易受到外界因素的干扰,对其变形进行监测和预测十分重要。在光纤光栅监测平硐变形工程应用的基础上,提出了集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的时间卷积网络(Temporal Convolutional Network,TCN)结合长短时记忆神经网络(Long Short-Term-Memory Network,LSTM)的EEMD-TCN-LSTM平硐变形多步预测模型。首先,通过集成经验模态分解方法将包含有噪声的监测数据分解成若干本征模态函数(Intrinsic Mode Functions,IMF)分量。然后,计算IMF分量的模糊熵并选择有效IMF分量。最后,对不同有效分量序列利用TCN网络提取长时间维度特征,利用LSTM网络捕获非线性特征,叠加各分量预测结果。在预测模型的训练过程中采用多输出策略的多步预测方法,输出为未来多个时刻的光纤监测值。在不同光纤光栅传感器的监测数据上进行试验。结果表明:通过EEMD分解结合模糊熵法处理光纤监测数据,能在保留平硐变形信息的同时,过滤掉更多的噪声。与已有方法相比,预测方法在单步预测时,其评价指标决定系数(Coefficient of Determination,R^(2))可达到0.99,平方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)分别降低3.0%~10.0%和5.0%~20.0%,预测结果更准确。多输出策略下预测方法超前3步预测的R2平均为0.95,应变计的RMSE和MAE值至少降低了75.0%和31.5%,位移计的RMSE和MAE值至少降低了50.0%和66.7%,压力计的RMSE和MAE值至少降低了85.7%和62.3%,误差积累最低。集成经验模态分解的TCN-LSTM平硐变形多步预测方法,能够为巷道围岩变形预测提供技术基础。 展开更多
关键词 平硐变形 多步预测 TCN-LSTM预测模型 集成经验模态分解 煤矿智能化
在线阅读 下载PDF
基于CEEMDAN与自适应双阈值小波分析的心音去噪
12
作者 卢官明 唐瑭 +2 位作者 戚继荣 王洋 赵宇航 《南京邮电大学学报(自然科学版)》 北大核心 2025年第4期36-47,共12页
针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应... 针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应双阈值小波分析的心音去噪算法。首先,通过CEEMDAN方法,将含噪心音信号分解为不同时间尺度上的固有模态函数(Intrinsic Mode Function,IMF)分量;然后,采用去趋势波动分析(Detrended Fluctuation Analysis,DFA)方法将不同的IMF分量判定为含噪的心脏杂音IMF分量或心音IMF分量;接着,利用小波分析技术,滤除含噪心脏杂音IMF分量中的噪声,保留含有病理特征的心脏杂音;最后,将保留下来的心脏杂音与心音IMF分量进行重构,得到去噪后的心音信号。在Khan数据集上的实验结果表明,在不同噪声强度下,所提出的心音去噪算法均能明显提高心音信号的信噪比,降低均方根误差,优于其他现有方法。对临床采集的新生儿心音信号进行去噪的实验结果表明,所提算法具有良好的抑制噪声能力,并保留了含有病理特征的心脏杂音。 展开更多
关键词 心音去噪 自适应噪声完全集合经验模态分解 去趋势波动分析 小波分析 心脏杂音
在线阅读 下载PDF
基于EEMD-GWO-VMD的滚动轴承故障特征提取
13
作者 张涛 张振彬 谢剑龙 《中国工程机械学报》 北大核心 2025年第3期470-475,共6页
针对滚动轴承工作环境恶劣、故障信号难以提取的问题,提出一种基于EEMD-GWO-VMD的滚动轴承双重降噪方法。首先,利用集合经验模态分解(EEMD)对采集到的信号进行分解,通过相关系数和峭度指标组合筛选富含故障信息的分量并进行重构。然后,... 针对滚动轴承工作环境恶劣、故障信号难以提取的问题,提出一种基于EEMD-GWO-VMD的滚动轴承双重降噪方法。首先,利用集合经验模态分解(EEMD)对采集到的信号进行分解,通过相关系数和峭度指标组合筛选富含故障信息的分量并进行重构。然后,以包络熵为目标函数,采用灰狼算法(GWO)优化变分模态分解(VMD)的惩罚因子和模态分解层数,并采用仿真信号对比分析VMD、GWO-VMD和EEMD-GWO-VMD这3种方法的降噪效果。最后,结合CWRU数据集和高速列车轴箱轴承台架试验数据,进一步验证EEMD-GWO-VMD降噪方法的有效性。 展开更多
关键词 滚动轴承 灰狼算法(GWO) 集成经验模态分解(EEMD) 变分模态分解(VMD)
在线阅读 下载PDF
基于ICEEMDAN-PE-GDBO-LSSVM的风电功率预测
14
作者 汪繁荣 张旭东 《现代电子技术》 北大核心 2025年第10期57-62,共6页
随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM... 随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM)的组合模型。首先使用ICEEMDAN对风电数据进行分解,从而降低复杂度;之后根据PE对分解后得到的各分量进行聚合,再使用GDBO算法对LSSVM的关键参数进行寻优,以得到最佳预测模型;最后使用优化模型对各聚合分量分别进行预测和叠加,得到总的预测结果。基于国内风电场数据集进行实验验证,结果表明所提方法有较高的预测精度,均方根误差比单一的LSSVM模型低61.39%,在工程实践中具有更为广阔的应用前景。 展开更多
关键词 风电功率预测 自适应噪声完全集合经验模态分解 改进的蜣螂优化算法 排列熵 改进的完全集合经验模态分解 最小支持二乘向量机 分量聚合
在线阅读 下载PDF
基于机器学习耦合启发式算法和数据预处理的无负约束组合风速预测
15
作者 付桐林 《太阳能学报》 北大核心 2025年第6期659-666,共8页
首先将人工神经网络(ANN)、支持向量机(SVM)及极值学习机(ELM)与集合经验模态分解(EEMD)和灰狼算法(GWO)相耦合,构建多个混合模型对中国黄土高原陇东区环县风电场风速进行预测,进而将各混合模型的预测结果作为输入变量,以预测误差平方... 首先将人工神经网络(ANN)、支持向量机(SVM)及极值学习机(ELM)与集合经验模态分解(EEMD)和灰狼算法(GWO)相耦合,构建多个混合模型对中国黄土高原陇东区环县风电场风速进行预测,进而将各混合模型的预测结果作为输入变量,以预测误差平方和最小为目标函数,构建无负约束的组合模型NNCT,并采用灰狼算法优化组合模型的权重,实现研究区域风电场风速的准确预测。数值结果表明,该模型可有效降低模型选择的风险,具有更高的预测精度。 展开更多
关键词 风速 预测 机器学习 灰狼算法 集合经验模态分解 组合模型
在线阅读 下载PDF
基于EEMEMD改进的HHT方法及其在谐波检测应用中的研究
16
作者 张展 张云鹏 +2 位作者 杨晋 扶铸 郭浩杰 《电力系统及其自动化学报》 北大核心 2025年第5期40-51,共12页
针对希尔伯特-黄变换(Hilbert-Huang transform,HHT)方法在谐波检测时易受噪声或突变信号影响,出现模态混叠、虚假分量以及端点效应等影响特征信息精度问题,提出一种基于总体包络均值经验模态分解(ensemble envelope mean empirical mod... 针对希尔伯特-黄变换(Hilbert-Huang transform,HHT)方法在谐波检测时易受噪声或突变信号影响,出现模态混叠、虚假分量以及端点效应等影响特征信息精度问题,提出一种基于总体包络均值经验模态分解(ensemble envelope mean empirical mode decomposition,EEMEMD)改进的HHT谐波检测方法。首先采用基于Wasserstein寻优-线性权重延拓改进的波形匹配延拓法对EEMEMD中内嵌的经验模态分解(empirical mode decomposition,EMD)存在的端点效应进行预处理;然后利用EEMEMD方法通过计算总体包络均值间接获取固有模态函数的特性,将谐波信号分解为一系列固有模态函数分量;最后通过希尔伯特变换提取谐波分量的幅值和频率特征信息。仿真实验和对比结果表明,改进的HHT方法显著改善了EMD固有的局限性,在噪声或突变信号的谐波检测中有着很高的检测精度。 展开更多
关键词 谐波检测 总体包络均值经验模态分解 端点效应 希尔伯特变换
在线阅读 下载PDF
抵抗低频高能噪声影响的海上风电结构模态参数识别方法研究
17
作者 董霄峰 时泽坤 彭泓浩 《振动与冲击》 北大核心 2025年第9期214-222,265,共10页
模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识... 模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识别方法(CEEMDAN-VMD-SSI,CVS)。首先,利用完全自适应噪声集合经验模态分解法(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)滤除原始信号中的高频噪声;随后,通过麻雀优化算法(sparrow’s optimization algorithm, SSA)以最小包络熵作为适应度函数迭代计算自适应确定变分模态分解法(variational mode decomposition, VMD)的信号分解层数K和惩罚因子α,实现信号的VMD自适应优化分解以剔除低频高能噪声影响;最后,再采用随机子空间方法实现信号中模态参数的识别提取。研究分别针对构造仿真含噪信号和原型观测信号开展了识别效果对比验证。结果表明:相比于传统模态识别方法,CVS方法在信噪比、波形相似系数、相对误差等参数方面具有更好的有效性和精确性;同时,该方法对实测信号的处理能力强,降噪效果好,能够准确识别结构固有频率、叶轮转动频率(1P)和叶片扫掠频率(3P),具有良好的工程适用性,为后续基于实测数据开展海上风电结构模态参数识别与运行安全评价提供了新思路。 展开更多
关键词 海上风电 模态参数识别 低频高能噪声 完全自适应噪声集合经验模态分解(CEEMDAN) 变分模态分解法(VMD)
在线阅读 下载PDF
基于SSA优化的Transformer-BiGRU短期风电功率预测
18
作者 包广斌 杨龙龙 +1 位作者 范超林 李焕 《电子测量技术》 北大核心 2025年第13期139-147,共9页
为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构... 为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构建了一个高效的组合模型。针对Transformer-BiGRU模型超参数优化困难的问题,引入SSA麻雀搜索算法对超参数进行优化,进一步提升预测精度。最后,以龙源电力风电预测数据集为例,通过对比实验和消融实验验证了该模型优于其他传统模型和模型中各组件的有效性,实验结果表明该方法的R 2达到了0.9810。 展开更多
关键词 风电预测 麻雀搜索算法 自适应噪声完备经验模态分解 双向门控循坏单元 自注意力机制
在线阅读 下载PDF
基于聚类EEMD-PCA-LSTM与误差补偿的光热电站短期太阳直接法向辐射预测
19
作者 张晓英 常正云 +1 位作者 罗童 张兴平 《电气工程学报》 北大核心 2025年第2期345-353,共9页
太阳直接法向辐射(Direct normal irradiance,DNI)的变化影响光热发电的可靠性和效率。以西北某光热电站为研究对象,提出一种聚类、集合经验模态分解(Ensemble empirical mode decomposition,EEMD)、主成分分析(Principal component ana... 太阳直接法向辐射(Direct normal irradiance,DNI)的变化影响光热发电的可靠性和效率。以西北某光热电站为研究对象,提出一种聚类、集合经验模态分解(Ensemble empirical mode decomposition,EEMD)、主成分分析(Principal component analysis,PCA)和长短期记忆(Long short-term memory,LSTM)神经网络与误差补偿的光热电站短期DNI预测模型。首先,充分考虑影响DNI的环境因素,研究气象参数与DNI间的关系,利用近邻传播(Affinitypropagation,AP)聚类算法得到同一天气下的典型日,利用EEMD将原始DNI序列进行分解得到各子模态,降低序列的非平稳性;其次,利用PCA得到关键影响因子,使原始序列相关性和冗余性降低,减少模型输入维度;然后,利用LSTM网络对各分解子模态建模预测得到初始预测DNI序列,将其与真实序列作差,得到两者间的误差序列,重新建立LSTM网络对误差序列进行预测,即误差补偿;最后,将初始预测DNI与误差序列求和,得到最终的预测模型,实现对光热电站短期DNI的预测。预测结果表明,该预测模型效果较好,预测精度达94%。 展开更多
关键词 直接法向辐射 光热发电 集合经验模态分解 主成分分析 长短期记忆神经网络 误差补偿
在线阅读 下载PDF
基于深度学习的地下水水质预测方法研究——以大湾区(广州)地下水多层监测基地氨氮为例 被引量:1
20
作者 戴蔓 胡丹心 +3 位作者 李名升 葛楹 张蕖 黄霞 《中国环境监测》 北大核心 2025年第1期191-200,共10页
地下水水质预测可以准确反映水质的未来变化趋势,是地下水污染防治中的重要环节。为提高地下水水质自动监测的预测精度,以大湾区(广州)地下水多层监测基地2022年3层地下水的氨氮监测结果为例,进行数据预处理后,构建将集成经验模态分解(E... 地下水水质预测可以准确反映水质的未来变化趋势,是地下水污染防治中的重要环节。为提高地下水水质自动监测的预测精度,以大湾区(广州)地下水多层监测基地2022年3层地下水的氨氮监测结果为例,进行数据预处理后,构建将集成经验模态分解(EEMD)与深度学习技术(RNN、LSTM及GRU)相结合的复合深度学习模型,开展传统机器学习模型与不同深度学习模型在水质预测效果方面的对比分析,并探讨深度学习模型多步长预测的预测效果。研究结果表明:①与单一深度学习模型相比,结合EEMD的复合深度学习模型解决了预测滞后性问题,具有更高的预测精度和拟合度。②复合深度学习模型的拟合度高于4种传统机器学习模型。4种传统机器学习模型中,仅MLR与RF的预测拟合度与单一深度学习模型接近。③多步长预测结果表明,复合深度学习模型可以准确地预测地下水水质在3 d内的变化趋势。综上,复合深度学习模型展现出更好的预测性能和泛化能力,可为地下水水质预测提供支撑。 展开更多
关键词 地下水水质预测 集成经验模态分解 深度学习
在线阅读 下载PDF
上一页 1 2 55 下一页 到第
使用帮助 返回顶部