针对现有土石坝渗流监控指标拟定方法存在主观性较强和精度较低的不足,基于智能算法改进的超阈值(peaks over threshold,POT)模型,提出了优化的土石坝渗流监控指标拟定方法.以3σ准则为确定最优阈值的理论基础,采用基于混沌映射、结合L...针对现有土石坝渗流监控指标拟定方法存在主观性较强和精度较低的不足,基于智能算法改进的超阈值(peaks over threshold,POT)模型,提出了优化的土石坝渗流监控指标拟定方法.以3σ准则为确定最优阈值的理论基础,采用基于混沌映射、结合Levy飞行和逆向学习的动态选择策略改进的麻雀搜索算法(improved chaos sparrow search algorithm,ICSSA),对POT模型中阈值的选取方法进行优化.建立了ICSSA-POT模型,实现对监测资料尾部数据的拟合,从而得到更为合理的土石坝渗流监控指标.研究表明,相比于传统方法,所提方法可有效避免主观性与随机误差,得到的监测资料尾部数据的拟合决定系数提高了5%,具有更高的计算精度,拟定的渗流监控指标更偏于安全,对防范土石坝渗流破坏、确保土石坝安全长效运行具有较强的指导意义.展开更多
针对变压器故障诊断存在诊断精度不高和麻雀搜索算法(sparrow search algorithm,SSA)存在易陷入局部最优的问题,提出了一种基于融合正余弦和柯西变异的麻雀搜索算法(sine-cosine and Cauchy mutation sparrow search algorithm,SCSSA)...针对变压器故障诊断存在诊断精度不高和麻雀搜索算法(sparrow search algorithm,SSA)存在易陷入局部最优的问题,提出了一种基于融合正余弦和柯西变异的麻雀搜索算法(sine-cosine and Cauchy mutation sparrow search algorithm,SCSSA)优化双向长短期记忆网络(bi-directional long-short term memory,BiLSTM)的变压器故障诊断模型。首先,基于油中溶解气体分析(dissolved gas analysis,DGA)法,以5种特征量作为输入,其次利用正余弦策略和柯西变异策略对麻雀算法进行改进,然后将SCSSA算法、SSA算法和灰狼优化算法(grey wolf optimizer,GWO)在4种测试函数上进行性能对比,验证了SCSSA算法的优越性。最后利用SCSSA算法对BiLSTM网络中的参数进行优化,从而提高BiLSTM网络在变压器故障诊断中的性能。实验结果表明,所提SCSSA-BiLSTM故障诊断模型的综合诊断精度为95.1%,相比于SSA-BiLSTM、GWO-BiLSTM、BiLSTM和LSTM模型分别提高了7.3%、12.2%、14.6%、19.5%,并且SCSSA-BiLSTM模型有着更好的鲁棒性。展开更多
文摘针对变压器故障诊断存在诊断精度不高和麻雀搜索算法(sparrow search algorithm,SSA)存在易陷入局部最优的问题,提出了一种基于融合正余弦和柯西变异的麻雀搜索算法(sine-cosine and Cauchy mutation sparrow search algorithm,SCSSA)优化双向长短期记忆网络(bi-directional long-short term memory,BiLSTM)的变压器故障诊断模型。首先,基于油中溶解气体分析(dissolved gas analysis,DGA)法,以5种特征量作为输入,其次利用正余弦策略和柯西变异策略对麻雀算法进行改进,然后将SCSSA算法、SSA算法和灰狼优化算法(grey wolf optimizer,GWO)在4种测试函数上进行性能对比,验证了SCSSA算法的优越性。最后利用SCSSA算法对BiLSTM网络中的参数进行优化,从而提高BiLSTM网络在变压器故障诊断中的性能。实验结果表明,所提SCSSA-BiLSTM故障诊断模型的综合诊断精度为95.1%,相比于SSA-BiLSTM、GWO-BiLSTM、BiLSTM和LSTM模型分别提高了7.3%、12.2%、14.6%、19.5%,并且SCSSA-BiLSTM模型有着更好的鲁棒性。
