基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型

1

作者 李时宜 代鑫 +2 位作者 刘骞 左明辉 高旭 《铁道标准设计》 北大核心 2026年第1期143-151,共9页

为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数... 为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数矩阵分析各指标间的相关性,而后利于核主成分分析法(KPCA)对原始数据进行主成分提取。其次引入Sine混沌映射、动态自适应权重、Levy飞行策略以及融合柯西变异的反向学习对麻雀搜索算法(SSA)进行改进,以提升其全局搜索能力,而后利用改进的麻雀搜索算法(ISSA)优化KELM中核参数γ和正则化系数C,构建一种基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型。引入PSO-BPNN、PSO-SVM、SSA-SVM模型,对比测试原始数据和降维后的数据,表明使用KPCA进行数据处理能够提升模型预测准确率,同时由其预测结果可知,在使用KPCA降维后的数据时,ISSA-KELM模型相较于其他模型在测试样本中的Ac分别提高0.22、0.22、0.11,P分别提高0.2、0.23、0.1,R分别提高0.24、0.25、0.14,F1-Score分别提高0.22、0.24、0.12。最后,将ISSA-KELM模型应用于西南部某铁路隧道,验证该模型的可靠性和稳定性,表明其更适合于铁路隧道煤与瓦斯突出预测,可为相似瓦斯隧道设计与施工提供借鉴。 展开更多

关键词 瓦斯隧道 煤与瓦斯突出 核主成分分析(kpca) 麻雀搜索算法(SSA) 核极限学习机(KELM) 预测模型

在线阅读 下载PDF 职称材料

改进KPCA结合多目标蜻蜓算法优化BP神经网络的联合收割机故障诊断

2

作者 孟桐 雷鸣 +2 位作者 宋文广 王丹丹 黄梦可 《机电工程》 北大核心 2025年第7期1258-1267,共10页

针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性... 针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性,能够有效捕捉收割机的瞬态变化与局部异常,从而提取出了不同工况下的主要成分,降低了数据维度,减少了冗余信息;其次,针对传统蜻蜓算法的局限性,引入了自适应变异策略、非线性惯性权重及动态收敛因子,构建了多目标蜻蜓算法,对Schaffer、Michalewicz和Rastrigin函数进行了求解,验证了MTDA能显著提升全局与局部搜索平衡能力;最后,利用MTDA对BP神经网络的权值和阈值进行了优化,构建了MTDA-BP综合故障诊断模型,将模型应用于联合收割机的故障诊断中,通过实验验证了其有效性。研究结果表明:故障诊断平均精度达到96.7%,通过与当前主流方法的实验对比分析,采用Micro-average ROC进行了模型评价,结果显示该模型的曲线下面积(AUC)为0.967。实验结果充分证明了该模型在检测精确度与泛化性方面均具有显著优势,该研究也为解决智能农业机械中的诊断提供了一种有效的方法。 展开更多

关键词 核主成分分析 MORLET小波 多目标蜻蜓算法 反向传播神经网络 联合收割机 故障诊断

在线阅读 下载PDF 职称材料

融合模糊聚类算法和EWT-KPCA方法的水污染监测模型构建研究

3

作者 郑丰收 叶延磊 陶为翔 《环境科学与管理》 2025年第8期136-140,共5页

矿山废水污染严重影响当地生态与居民生活,为此,研究提出融合模糊聚类算法和基于经验小波变换的水污染监测模型。实验数据表明,在1000种水质信号中,50种为异常信号,950种为正常信号。在异常强度分别为1、1.5、2和2.5的检测中,模型错误... 矿山废水污染严重影响当地生态与居民生活,为此,研究提出融合模糊聚类算法和基于经验小波变换的水污染监测模型。实验数据表明,在1000种水质信号中,50种为异常信号,950种为正常信号。在异常强度分别为1、1.5、2和2.5的检测中,模型错误检测到的异常信号数分别为8、9、7和8种。实验数据说明,该优化水质异常检测模型的错误率约为0.8%,错误率较小,适用于水质异常检测。研究所提监测模型为矿山水污染的实时监测提供了有力的技术支持,有助于及时发现并应对污染问题,保护生态环境和居民健康。 展开更多

关键词 模糊聚类算法 EWT kpca 水污染监测

在线阅读 下载PDF 职称材料

基于文化算法的KPCA特征提取方法 被引量：4

4

作者 黄海燕 柳桂国 顾幸生 《华东理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2008年第2期256-260,300,共6页

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA(Kenel Principle Com-ponent Analysis)应用于特征提取的关键。本文在研究了文化算法(Cultural Algorithms,CA)相关文献的基础上,提出了一种训练核函数参数的文化算法流程,实现... 如何选择最优或接近最优的核函数使分类错误率降低,是KPCA(Kenel Principle Com-ponent Analysis)应用于特征提取的关键。本文在研究了文化算法(Cultural Algorithms,CA)相关文献的基础上,提出了一种训练核函数参数的文化算法流程,实现了KPCA和CA的集成,有效地提高了核函数的优化选择。仿真结果表明该方法具有较好的结果和更少的计算量。 展开更多

关键词 文化算法 核主元分析(kpca) 特征提取

在线阅读 下载PDF 职称材料

基于DWT,2DPCA和KPCA的人脸识别 被引量：2

5

作者 甘俊英 李高尚 《现代电子技术》 2009年第20期51-53,56,共4页

利用离散小波变换对人脸图像进行压缩,提取人脸的低频分量,有效去除人脸图像高频分量的影响;再利用二维主元分析对小波变换后的人脸低频分量实行提取特征;然后使用核主元分析再次提取特征;最后用最小距离分类器完成人脸识别。基于ORL人... 利用离散小波变换对人脸图像进行压缩,提取人脸的低频分量,有效去除人脸图像高频分量的影响;再利用二维主元分析对小波变换后的人脸低频分量实行提取特征;然后使用核主元分析再次提取特征;最后用最小距离分类器完成人脸识别。基于ORL人脸数据库的实验结果表明,该算法能提高人脸识别率,有效减少计算量和降低计算复杂度。 展开更多

关键词 小波变换 2DPCA算法 kpca算法 人脸识别

在线阅读 下载PDF 职称材料

基于KPCA和改进极限学习机的煤与瓦斯突出危险性判识 被引量：18

6

作者 李胜 胡海永 《计算机应用研究》 CSCD 北大核心 2018年第1期172-176,共5页

为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠... 为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠算法(BA)优化极限学习机(ELM)模型,并与BA-ELM、ELM、SVM和BP等模型共同进行突出危险性预测,验证模型的优越性。结果表明,基于KPCA-BA-ELM突出危险性预测模型平均绝对误差为4.560,平均相对误差为3.478%,运行时间为1.286 s,较其他模型具有精准的判识度和较高的泛化能力;能充分挖掘突出时空演变的内部隐含规律,有效诠释突出危险性与其影响因素间的非线性关系。 展开更多

关键词 煤与瓦斯突出 核主成分分析(kpca) 蝙蝠算法(BA) 极限学习机(ELM) 耦合预测

在线阅读 下载PDF 职称材料

基于感测线圈和KPCA的电机轴承故障检测 被引量：5

7

作者 张世荣 程琴 张芳芳 《电机与控制应用》 2018年第4期98-104,共7页

在电机定子中嵌入感测线圈并结合核主元分析(KPCA)进行电机轴承的故障检测。8只线圈分别嵌入电机定子的前端和后端,通过分时复用形成6组反应电机状态的差动信号。针对6组感测信号与电机状态间的非线性特征,采用KPCA进行多变量分析。着... 在电机定子中嵌入感测线圈并结合核主元分析(KPCA)进行电机轴承的故障检测。8只线圈分别嵌入电机定子的前端和后端,通过分时复用形成6组反应电机状态的差动信号。针对6组感测信号与电机状态间的非线性特征,采用KPCA进行多变量分析。着重介绍分析了KPCA故障检测的算法、监测指标和步骤。最后,用机车变压器油泵电机为对象开展了试验研究,验证了所提电机轴承故障监测方法的有效性和正确性。 展开更多

关键词 感测线圈 轴承故障 kpca算法 转子偏心 油泵

在线阅读 下载PDF 职称材料

基于KPCA空间相似度的一类入侵检测方法 被引量：2

8

作者 徐晶 陶新民 《计算机应用》 CSCD 北大核心 2009年第9期2459-2463,共5页

为了解决入侵检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于核主成分分析(KPCA)空间相似度的一类入侵检测方法。该方法利用KPCA形成正常样本的非线性特征子空间... 为了解决入侵检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于核主成分分析(KPCA)空间相似度的一类入侵检测方法。该方法利用KPCA形成正常样本的非线性特征子空间,其他样本在该空间的投影系数作为相似性的度量。同时,为了有效利用已有的异常训练样本,通过自适应增加免疫因子方法来提高模型的决策性能及增量学习能力。对核函数参数和阈值设定进行了分析,并给出基于粒子群优化算法的决策模型。实验中将该方法同其他多层感知机(MLP),支持向量机(SVM)及自组织映射(SOM)方法进行比较,实验结果验证了该方法的正确性和有效性。 展开更多

关键词 入侵检测 主成分分析 免疫算法 粒子群算法 核参数 多层感知机 自组织映射

在线阅读 下载PDF 职称材料

基于KPCA-IGOA-ELM的油气混输管道腐蚀速率预测模型 被引量：10

9

作者 吕林林 王杰 +3 位作者 祁庆芳 郭策 贺蓉蓉 孙小伟 《油气储运》 CAS 北大核心 2023年第7期785-792,共8页

油气混输管道内腐蚀速率较大,准确预测混输管道内腐蚀速率对于提升管道完整性管理水平具有重要意义。针对这一问题,首先,利用现场监测结果构建评价指标体系和数据集,采用核主成分分析法(Kernel Principal Component Analysis,KPCA)进行... 油气混输管道内腐蚀速率较大,准确预测混输管道内腐蚀速率对于提升管道完整性管理水平具有重要意义。针对这一问题,首先,利用现场监测结果构建评价指标体系和数据集,采用核主成分分析法(Kernel Principal Component Analysis,KPCA)进行降维操作,随后利用改进的蝗虫算法(Improved Grasshopper Optimization Algorithm,IGOA)对极限学习机(Extreme Learning Machine,ELM)进行优化,确定最优网络结构和激励函数,提出了KPCA-IGOA-ELM组合预测模型。利用该模型,以8组数据为基础进行预测,并与其他模型预测结果进行对比,以此验证预测效果。结果表明:KPCA算法共提取出3个主成分,简化了ELM模型的网络结构,其中H_(2)S分压、CO_(2)分压、Ca^(2+)浓度、Cl^(-)浓度、温度、流速对腐蚀作用的贡献较大;通过试算法确定最优ELM模型的网络结构为3-32-1,激励函数为Sigmoid函数,此时的均方根误差最小;KPCA-IGOA-ELM组合预测模型的均方根误差、平均绝对百分误差、希尔不等系数分别为0.00256、2.45834、1.113,平均训练时间为4.19 s,均优于其他模型。对于油气混输管道,KPCA-IGOA-ELM模型是一种较为优秀的算法,可在实际中推广应用。 展开更多

关键词 油气混输 腐蚀预测 kpca-IGOA-ELM 算法优化 影响因素

原文传递

基于小波KPCA-SSA-ELM的盐穴储气库注采管柱内腐蚀速率预测 被引量：5

10

作者 骆正山 欧阳长风 +1 位作者 王小完 张新生 《安全与环境学报》 CAS CSCD 北大核心 2023年第7期2238-2245,共8页

为提升盐穴储气库注采管柱的内腐蚀速率预测精度,建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率... 为提升盐穴储气库注采管柱的内腐蚀速率预测精度,建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率预测模型。首先通过小波KPCA提取影响注采管柱内腐蚀的主要特征,应用ELM建立盐穴储气库注采管柱内腐蚀速率预测模型,并采用SSA对模型参数进行迭代寻优,避免原参数选取的强随机性对模型泛化能力和预测性能的影响。结果表明,经小波KPCA特征提取后得到包含98.73%原信息的3项主成分,SSA-ELM模型的预测结果与实际值基本吻合,其均方根误差(E_(RMS))为0.009 3,平均绝对百分比误差(E_(MAP))为0.336 0%,决定系数(R~2)高达0.991 2,较其他3种对比模型性能更优。研究表明,所建模型具有强泛化性能和高预测精度,能够有效预测盐穴储气库注采管柱的内腐蚀速率,为盐穴储气库注采系统的完整性评价和风险预警提供参考。 展开更多

关键词 安全工程 盐穴储气库 注采管柱 内腐蚀速率 核主成分分析法(kpca) 樽海鞘群算法(SSA) 极限学习机(ELM)

原文传递

基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测 被引量：23

11

作者 骆正山 姚梦月 +1 位作者 骆济豪 王小完 《表面技术》 EI CAS CSCD 北大核心 2018年第11期173-180,共8页

目的提高埋地管道外腐蚀速率的预测精度。方法建立基于核主成分分析法(KPCA)和天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外... 目的提高埋地管道外腐蚀速率的预测精度。方法建立基于核主成分分析法(KPCA)和天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外腐蚀速率预测的数学模型,并采用BAS算法对模型进行优化,减小了人为设置参数的影响。以川气东送埋地管段为例,分析选取出12种关键影响因素,建立了埋地管道外腐蚀指标体系,借助MATLAB-R2014a编写程序进行仿真,并与实际值进行对比。结果模型的预测结果与实际值基本一致,KPCA可有效降低指标体系的维度,提取出包含原始信息97.9%的3个主因素—土壤电阻率、氧化还原电位、氯离子含量,简化了运算过程。采用的BAS-GRNN模型将预测精度提高到7.83%以内,平均相对误差5.21%,决定系数取值0.93。与其他模型相比,该模型性能较好,预测精度更高。结论采用KPCA提取的主要影响因素符合工程实际,建立的BAS-GRNN模型预测精度高,有较好的适应性,为埋地管道外腐蚀速率预测提供了新思路,对管道的维护更新工作提供了参考依据。 展开更多

关键词 埋地管道 外腐蚀速率预测模型 核主成分分析法(kpca) 天牛须搜索算法(BAS) 广义回归神经网络(GRNN)

在线阅读 下载PDF 职称材料

基于KPCA和改进K-means的电力负荷曲线聚类方法 被引量：27

12

作者 梁京章 黄星舒 +1 位作者 吴丽娟 熊小萍 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第6期143-150,共8页

为了提高电力负荷曲线聚类精度,文中提出了一种基于核主成分分析(KPCA)和改进K-means算法的电力负荷曲线聚类方法。该方法首先在划分聚类算法K-means基础上融入密度聚类思想,提出了融合密度思想的K-means算法(DK-means算法),并在电力负... 为了提高电力负荷曲线聚类精度,文中提出了一种基于核主成分分析(KPCA)和改进K-means算法的电力负荷曲线聚类方法。该方法首先在划分聚类算法K-means基础上融入密度聚类思想,提出了融合密度思想的K-means算法(DK-means算法),并在电力负荷曲线实验集上对比分析其聚类效果;接着在实验集上比较各种降维算法的降维聚类精度和降维速度;最后分析KPCA+DK-means组合算法的降维聚类能力。结果表明,戴维森堡丁指数(DBI)更适合作为电力负荷曲线聚类评价指标;以DBI为评价指标,与K-means、BIRCH、DBSCAN和EnsClust 4种聚类算法相比,DK-means的聚类精度更高;与LLE、MDS、ISOMAP 3种非线性降维算法相比,KPCA的降维速度更快;KPCA+DK-means组合算法有良好的降维聚类能力,较DK-means在聚类精度和聚类效率上均有提升。KPCA+DK-means组合算法可以实现电力负荷曲线的高效降维、精确聚类,对用电行为模式的准确提取起关键技术支持作用。 展开更多

关键词 电力负荷曲线 DK-means算法 核主成分分析 降维 聚类

在线阅读 下载PDF 职称材料

基于KPCA和CPSO的故障检测方法 被引量：2

13

作者 唐勇波 桂卫华 欧阳伟 《计算机工程》 CAS CSCD 2012年第24期244-246,250,共4页

提出一种基于核主元分析(KPCA)和混沌粒子优化群(CPSO)算法的非线性故障检测方法。通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间来计算主元,构造平方预测误差统计量检测故障是否发生。为避免粒子群算法的早... 提出一种基于核主元分析(KPCA)和混沌粒子优化群(CPSO)算法的非线性故障检测方法。通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间来计算主元,构造平方预测误差统计量检测故障是否发生。为避免粒子群算法的早熟现象,利用混沌优化的搜索特性,将CPSO算法应用到KPCA核参数的优化中。变压器故障检测结果表明,与基于PCA、KPCA和PSO-KPCA的故障检测方法相比,该方法的检测正确率较高。 展开更多

关键词 核主元分析 粒子群优化算法 混沌优化 故障检测 溶解气体分析

在线阅读 下载PDF 职称材料

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断 被引量：2

14

作者 袁洪芳 邢爽 王华庆 《测控技术》 CSCD 2015年第6期17-20,共4页

鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(LACG)相结合的齿轮箱故障诊断新方法。通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解。IACG算法改进了传统蚁群... 鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(LACG)相结合的齿轮箱故障诊断新方法。通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解。IACG算法改进了传统蚁群算法中的概率转移公式,通过增加区域目标函数值,提高了转移运算的效率和准确率;LACG算法增加了局部搜索功能,计算得到的蚂蚁解与遗传算法的均匀两点交叉算子相结合,减少了算法的搜索时间,扩大了搜索空间,使得收敛效果更趋近最优解。实验结果表明,KPCA与IACG相结合的算法可以有效识别齿轮箱故障,相对于传统的蚁群算法,其运算效率和准确率有很大提高。 展开更多

关键词 核主成分分析 改进蚁群遗传算法 参数降维 区域目标函数 局部搜索 均匀两点交叉算子

在线阅读 下载PDF 职称材料

基于人工蜂群算法的KPCA特征优化提取

15

作者 李强 杨大炼 +1 位作者 黄文庆 江凯 《机械设计与研究》 CSCD 北大核心 2015年第1期65-69,共5页

采用KPCA进行特征提取时,其核函数参数对轴承故障特征的可分性影响很大,直接影响轴承故障诊断的准确率,而使最优的核参数难以选取。针对这一问题,采用人工蜂群算法与KPCA相结合,提出了基于人工蜂群算法的KPCA核参数优化选取方法,并实现... 采用KPCA进行特征提取时,其核函数参数对轴承故障特征的可分性影响很大,直接影响轴承故障诊断的准确率,而使最优的核参数难以选取。针对这一问题,采用人工蜂群算法与KPCA相结合,提出了基于人工蜂群算法的KPCA核参数优化选取方法,并实现了滚动轴承故障特征的优化提取。试验结果表明,该方法能够最大程度提高故障样本的可分性和SVM模型的分类精度;同时通过对比分析遗传算法、粒子群算法及人工蜂群算法的优化结果,验证了该方法具有更好的寻优能力。 展开更多

关键词 人工蜂群算法 核主元分析(kpca) 特征提取 故障诊断

原文传递

基于消防物联网的配电柜早期火灾智能预警研究

16

作者 李岩 孔冬冬 《工业仪表与自动化装置》 2026年第1期103-108,共6页

核燃料元件厂电气火灾威胁核安全及关键系统运行。为提高配电柜早期火灾预警的准确率,减少误报漏报,实现消防安全管理的提质增效,对某厂房高低压变配电室新增电气火灾监控设备、柜内灭火及视频AI分析装置,构建智慧消防物联网系统。针对... 核燃料元件厂电气火灾威胁核安全及关键系统运行。为提高配电柜早期火灾预警的准确率,减少误报漏报,实现消防安全管理的提质增效,对某厂房高低压变配电室新增电气火灾监控设备、柜内灭火及视频AI分析装置,构建智慧消防物联网系统。针对多参数融合火灾检测非线性关联及噪声强等特点,采用KPCA算法对数据进行了特征提取和降维降噪。针对密集簇和稀疏簇混合的数据分布特点,提出多参数自适应调整的改进KFCM算法。仿真实验中,利用感知层剩余电流探测器采集的线路电压和电流、剩余电流及线路温度参数,热解粒子探测器检测的PM1.0及CO浓度值作为特征输入,测试结果表明,KPCA-改进KFCM方法的准确率均优于单一KFCM及KPCA-KFCM算法,且鲁棒性、收敛速度及适用性更优异。 展开更多

关键词 智慧消防物联网 火灾早期预警 kpca 改进KFCM

在线阅读 下载PDF 职称材料

基于改进CNN-GRU模型的短期电力负荷预测研究

17

作者 王寅超 陈博 +1 位作者 俞俊霞 沈会 《计算机工程》 北大核心 2026年第3期451-460,共10页

为维护电力系统的稳定运行,满足电力系统对于短期电力负荷预测精度的需求,提出一种基于改进卷积神经网络与门控循环单元(CNN-GRU)模型的短期电力负荷预测方法。采用核主成分分析(KPCA)法处理多维输入数据,提取主要影响因素作为后续预测... 为维护电力系统的稳定运行,满足电力系统对于短期电力负荷预测精度的需求,提出一种基于改进卷积神经网络与门控循环单元(CNN-GRU)模型的短期电力负荷预测方法。采用核主成分分析(KPCA)法处理多维输入数据,提取主要影响因素作为后续预测模型的输入。构建以改进鱼鹰算法(OOA)优化的CNN-GRU组合模型进行训练和预测,并引入注意力机制加强重要信息的影响,提升预测模型的预测性能。最后采用贝叶斯超参数(BH)理论优化的极端梯度提升(XGBoost)模型优化预测误差,并搭建仿真模型与多个模型进行对比实验,根据所得到的预测效果曲线和各项性能指标验证所提方法的有效性。实验结果表明,提出的改进CNN-GRU模型在训练与测试时的平均绝对百分比误差(MAPE)分别为1.56%和1.99%,由此可以得出所提出的改进预测模型具有更好的预测精度。 展开更多

关键词 短期负荷预测 核主成分分析 鱼鹰优化算法 门控循环单元 极端梯度提升

在线阅读 下载PDF 职称材料

一种融合KPCA和BP神经网络的用水总量预测方法 被引量：1

18

作者 赵和松 王圆圆 赵齐 《水利信息化》 2021年第5期42-46,58,共6页

为提高用水总量预测的准确性,针对现有方法中存在的非线性多维用水因子选取不合理的问题,提出一种融合KPCA(核主成分分析)和BP神经网络的用水总量预测方法。使用皮尔逊相关系数对用水因子进行相关性分析,选择与用水总量最相关的多个因... 为提高用水总量预测的准确性,针对现有方法中存在的非线性多维用水因子选取不合理的问题,提出一种融合KPCA(核主成分分析)和BP神经网络的用水总量预测方法。使用皮尔逊相关系数对用水因子进行相关性分析,选择与用水总量最相关的多个因子作为数据输入,利用KPCA对预测因子进行降维处理,解决数据间的非线性特征,再采用BP神经网络建立用水总量预测模型,网络的权值和阈值采用思维进化学习算法进行调优。采用国家统计局2007-2016年度开放统计用水数据进行实验,结果表明:融合KPCA和BP的用水总量预测方法相对预测误差小于5%,预测用水精度有明显提升,可以较好预测未来用水总量,为高维非线性数据的预测提供新的优化思路。 展开更多

关键词 用水总量预测 kpca BP神经网络 思维优化算法 融合方法

在线阅读 下载PDF 职称材料

基于KPCA-CMGANN算法的瓦斯涌出量预测研究 被引量：27

19

作者 肖鹏 谢行俊 +3 位作者 双海清 刘朝阳 王海宁 徐经苍 《中国安全科学学报》 CAS CSCD 北大核心 2020年第5期39-47,共9页

为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BP... 为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BPNN;构建CMGA与BPNN的耦合算法(CMGANN),计算分析某低瓦斯矿井监测历史数据形成的样本集,建立KPCA-CMGANN预测模型;用KPCA-CMGANN预测模型和其他3种网络模型分别对煤矿现场数据进行预测。结果表明:KPCA-CMGANN预测模型在379个时间步长里达到收敛,4个回采工作面的瓦斯涌出量预测相对误差分别为0.58%、0.63%、0.57%和0.45%,平均相对误差仅为0.56%,预测精度和收敛速度均优于对比模型,可实现瓦斯涌出量的快速精准预测。 展开更多

关键词 瓦斯涌出量预测 核主成分分析法(kpca) 压缩映射遗传算法(CMGA) BP神经网络(BPNN) 样本集

原文传递

聚KPCA在高维轴承故障诊断中的应用 被引量：10

20

作者 郑恒 姜宏 章翔峰 《机床与液压》 北大核心 2021年第11期179-182,共4页

轴承故障诊断环境复杂、影响因素多,导致特征高维化成为一个技术难题,采用核主成分分析法(KPCA)进行高维特征降维取得了一定成效,但KPCA未考虑特征间的相似性对计算复杂度以及分离效果的影响,对提高计算实时性和有效性以及提升分类效果... 轴承故障诊断环境复杂、影响因素多,导致特征高维化成为一个技术难题,采用核主成分分析法(KPCA)进行高维特征降维取得了一定成效,但KPCA未考虑特征间的相似性对计算复杂度以及分离效果的影响,对提高计算实时性和有效性以及提升分类效果形成了限制。为此提出了基于K均值聚类算法和KPCA方法的聚KPCA方法。利用均值聚类算法的思想对所提取的时、频域特征中的相似特征进行聚类,降低后续KPCA计算的复杂度,再用KPCA对聚类后的特征进行降维,将高维特征映射到一个类别可分度较高的特征空间。利用正常、内圈故障、外圈故障、滚动体故障4种轴承状态信号特征对聚KPCA方法进行验证,结果表明:与KPCA方法相比,所提出的聚KPCA方法具有更好的降维分离效果和较强的鲁棒性。 展开更多

关键词 核主成分分析法 降维 鲁棒性 K均值聚类算法

在线阅读 下载PDF 职称材料