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67篇文章
< 1 2 … 4 >
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：
基于SMOTE+ENN的煤矿安全隐患文本分类研究
1
作者 罗海平 曾向阳 陈勇 《中国矿业》 北大核心 2025年第1期116-125,共10页
在深度学习分类技术辅助煤矿安全隐患文本数据分析的研究中,行业真实数据的封闭性和风险类别分布不均衡性导致模型分类性能较差,影响企业对各类风险点进行有效的安全管理决策。为克服这类问题,本文提出将合成少数类过采样技术(Synthetic... 在深度学习分类技术辅助煤矿安全隐患文本数据分析的研究中,行业真实数据的封闭性和风险类别分布不均衡性导致模型分类性能较差,影响企业对各类风险点进行有效的安全管理决策。为克服这类问题,本文提出将合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)与编辑最近邻规则欠采样技术(Edited Nearest Neighbor,ENN)相结合的混合采样方法,并基于卷积神经网络(Convolutional Neural Network,CNN)对安全隐患文本输出类别预测结果。以安全文库网中某煤业安全风险清单共计4539条数据为例,首先,对安全隐患文本进行清洗、分词及向量化,采用SMOTE算法对小类别数据集进行插值样本生成,平衡各类样本之间数量分布差异;然后,利用ENN算法对生成的合成样本进行欠采样,剔除异常和噪声样本;最后,采用基于CNN的分类器对抽样后安全隐患文本进行建模和预测。实验结果表明,该方法相较于传统基准采样方法在准确率上提升了4%~8%,在F-Measure上提升了4%~7%,证明该方法在处理多类别不平衡煤矿安全隐患文本分类问题上的有效性和可行性,在煤矿安全管理和隐患预警等方面具有重要意义和实际应用价值。 展开更多
关键词 深度学习 SMOTE enn CNN 煤矿安全隐患 安全管理
在线阅读 下载PDF
ENN精粹
2
作者 蔡娟娟(翻译) 《世界环境》 2025年第2期90-91,共2页
社交媒体有助于追踪气候变化下的物种迁移ENN环境新闻精粹2025年3月17日新研究表明,社交媒体可以帮助科学家追踪因气候变化而迁移的动物物种。许多物种栖住的“范围”正在不断移动,这主要是通过正式的监测方案和调查来跟踪的——但这些... 社交媒体有助于追踪气候变化下的物种迁移ENN环境新闻精粹2025年3月17日新研究表明,社交媒体可以帮助科学家追踪因气候变化而迁移的动物物种。许多物种栖住的“范围”正在不断移动,这主要是通过正式的监测方案和调查来跟踪的——但这些方法可能难以捕捉快速的变化,有时会忽略城市地区。由埃克塞特大学领导的一项新研究分析了Instagram和Flickr这两个图片和视频托管网站上关于泽西虎蛾的帖子。Instagram上的帖子显示,这种虎蛾在城镇和城市里出乎意料的常见。更重要的是,这些发现表明,社交媒体可以用来监测我们快速变化的自然世界。 展开更多
关键词 气候变化 物种迁移 社交媒体 enn环境新闻精粹
在线阅读 下载PDF
利用PSO算法改进的ENN预报中国区域电离层TEC 被引量：1
3
作者 汤俊 钟正宇 +1 位作者 丁明飞 吴学群 《武汉大学学报（信息科学版）》 EI CAS CSCD 北大核心 2024年第10期1867-1878,共12页
精确的电离层总电子含量(total electron content,TEC)预报,对提高全球导航卫星系统(global navigation satellite system,GNSS)的导航定位精度具有重要意义。提出了一种采用基于粒子群优化(particle swarm optimization,PSO)算法的Elma... 精确的电离层总电子含量(total electron content,TEC)预报,对提高全球导航卫星系统(global navigation satellite system,GNSS)的导航定位精度具有重要意义。提出了一种采用基于粒子群优化(particle swarm optimization,PSO)算法的Elman神经网络(Elman neural network,ENN)预报电离层TEC的方法。首先,利用中国内地构造环境监测网络(crustal movement observation network of China,CMONOC)2018年的GNSS观测数据构建中国区域电离层模型,获取区域电离层TEC格网(regional ionospheric map,RIM)。其次,根据RIM TEC数据建立PSO-ENN模型进行预报研究。实验结果表明,磁静日和磁暴日下ENN模型和PSO-ENN模型的均方根误差(root mean square error,RMSE)均在训练集时间尺度为21 d时最低,使用PSO-ENN模型滑动预报5 d的RMSE相较ENN模型分别降低27.6%和20.5%。同时,采用欧洲定轨中心(center for orbit determination in Europe,CODE)发布的全球电离层TEC格网(global ionospheric map,GIM)产品建立PSO-ENN模型对中国区域电离层TEC进行预报时,磁静日和磁暴日的平均RMSE均小于CODE发布的1 d预报产品(CODE’s 1-day predicted GIM,C1PG)、BP神经网络(back propagation neural network,BPNN)模型和ENN模型,说明PSO-ENN模型的预报效果优于C1PG、BPNN模型和ENN模型。利用RIM数据对2018年8月份TEC进行30 d滑动预报时,PSO-ENN模型的平均RMSE相较BPNN模型和ENN模型分别降低24.8%和14.3%,说明PSOENN模型具有较高的稳定性。 展开更多
关键词 电离层预报 enn PSO算法 电离层TEC
原文传递
引力搜索算法优化ENN模型的天然气管道球阀冲蚀深度预测 被引量：3
4
作者 腰世哲 牛雅娜 +3 位作者 丁世浩 王亚 任宗孝 靳文博 《安全与环境学报》 CAS CSCD 北大核心 2024年第8期3074-3081,共8页
天然气管道球阀在长期使用中易出现冲蚀现象,准确预测球阀的冲蚀深度对于管道的安全运行具有重要的实际意义。针对传统Elman神经网络(Elman Neural Network, ENN)模型的不足,提出了一种基于引力搜索算法(Gravitational Search Algorithm... 天然气管道球阀在长期使用中易出现冲蚀现象,准确预测球阀的冲蚀深度对于管道的安全运行具有重要的实际意义。针对传统Elman神经网络(Elman Neural Network, ENN)模型的不足,提出了一种基于引力搜索算法(Gravitational Search Algorithm, GSA)的优化Elman神经网络模型并预测了不同影响因素下球阀的冲蚀深度,探讨了种群规模和隐含层节点个数对优化模型预测精度的影响。结果表明:传统模型预测所得的平均相对误差和均方误差分别为14.382%和0.042 5,优化模型预测所得的平均相对误差和均方误差分别为3.850%和0.003 9,因此,优化模型的预测精度大幅度高于传统模型;随着隐含层节点个数的增加,优化模型的预测精度先升高后降低;种群规模越大并不意味着优化模型的预测精度越高,合理的种群规模可使优化模型达到较好的预测精度;当种群规模和隐含层节点个数不同时,优化模型的预测精度始终高于传统模型,因此所提优化模型具有可靠性,可用于天然气管道球阀冲蚀深度的预测。 展开更多
关键词 安全工程 球阀 冲蚀深度 引力搜索算法 Elman神经网络(enn) 预测精度
原文传递
基于OCkNN+ENN的过采样算法研究 被引量：1
5
作者 张爱民 于化龙 《计算机与数字工程》 2024年第5期1275-1281,1330,共8页
类不平衡学习是机器学习领域热点问题之一。在类别不平衡学习方法中,SMOTE被认为是其中的一个基准算法。虽然SMOTE算法在绝大多数的类不平衡数据集上表现良好,但它也存在一些问题,如会产生噪声干扰和噪声传播。基于对SMOTE改进算法的研... 类不平衡学习是机器学习领域热点问题之一。在类别不平衡学习方法中,SMOTE被认为是其中的一个基准算法。虽然SMOTE算法在绝大多数的类不平衡数据集上表现良好,但它也存在一些问题,如会产生噪声干扰和噪声传播。基于对SMOTE改进算法的研究,提出了一种更加鲁棒和通用的算法:ONE-SMOTE。研究发现:使用ENN进行数据清洗,可以很好地消除数据噪声,使用基于KNN的一类分类器(OCkNN)可以探测样本空间的相对密度分布信息,并精确定位每个样本的相对密度位置以及边界。基于样本位置信息进行过采样可以很好地保持原始样本空间的密度分布。实验结果表明:该算法能有效提高数据分类的准确性。 展开更多
关键词 类不平衡学习 SMOTE enn OCkNN 相对密度分布信息
在线阅读 下载PDF
ENN-ADASYN-SVM算法检测P2P僵尸网络的研究 被引量：7
6
作者 康松林 樊晓平 +2 位作者 刘乐 李宏 李明娟 《小型微型计算机系统》 CSCD 北大核心 2016年第2期216-220,共5页
由于对组织或个人采取针对性的攻击,僵尸网络对因特网构成越来越严重的威胁.并且不同的加密方法以及隐蔽的通信信道使得p2p僵尸网络越来越难以检测.之前有很多基于分类检测算法的文献都有很高的整体正确率,但是单独类并没有很高的正确率... 由于对组织或个人采取针对性的攻击,僵尸网络对因特网构成越来越严重的威胁.并且不同的加密方法以及隐蔽的通信信道使得p2p僵尸网络越来越难以检测.之前有很多基于分类检测算法的文献都有很高的整体正确率,但是单独类并没有很高的正确率.同时,之前的文献并没有考虑到正常的网络流量和僵尸网络流量严重不平衡的问题.为了解决以上两个问题,提出一种基于最近邻规则欠抽样方法(ENN)和ADASYN(Adaptive Synthetic Sampling)结合的不均衡数据SVM分类算法应用于P2P僵尸网络检测.实验结果表明,无论是僵尸网络还是正常的流量,该方法都具有很高的正确率,并能在短时间内达到很好的分类效果;较之其他算法,它更适合处理大规模网络实时环境中大量的原始数据,对统计数据依赖性小,对不均衡数据分类具有较好的鲁棒性.因此,基于不均衡数据ENN-ADASYN-SVM分类算法更适应于复杂多变的网络环境下的P2P僵尸网络检测. 展开更多
关键词 P2P僵尸网络检测 SVM 不均衡数据分类 最近邻规则欠抽样方法(enn) ADASYN
在线阅读 下载PDF
基于PNN-HP(2)-ENN模型的钢铁企业转炉煤气柜柜位预测 被引量：5
7
作者 李红娟 王建军 +1 位作者 王华 孟华 《信息与控制》 CSCD 北大核心 2014年第2期229-234,240,共7页
针对钢铁企业煤气系统中转炉煤气柜柜位难以建立模型进行预测的问题,结合概率神经网络、HP(Hodric-Prescott)滤波、Elman神经网络各自的性质建立了PNN-HP(2)-ENN模型,用于对转炉煤气柜柜位进行分类预测.将模型应用在企业实际数据中,实... 针对钢铁企业煤气系统中转炉煤气柜柜位难以建立模型进行预测的问题,结合概率神经网络、HP(Hodric-Prescott)滤波、Elman神经网络各自的性质建立了PNN-HP(2)-ENN模型,用于对转炉煤气柜柜位进行分类预测.将模型应用在企业实际数据中,实验结果表明,所建模型分类准确、耗时少、预测效果良好.与其它常用模型相比,此模型适合转炉煤气柜柜位的预测,能够为副产煤气的合理调度提供操作依据. 展开更多
关键词 转炉煤气柜柜位(LDG) 概率神经网络(PNN) HP(Hodric-Prescott)滤波 Elman神经网络(enn)
原文传递
基于改进ENN2聚类算法的多故障诊断方法 被引量：40
8
作者 文天柱 许爱强 程恭 《控制与决策》 EI CSCD 北大核心 2015年第6期1021-1026,共6页
针对可拓神经网络无法解决多故障诊断的问题,建立问题模型,将多故障诊断问题转化为多特征样本的聚类问题从模型结构和学习算法两个方面对ENN2进行改进,提出基于改进ENN2聚类算法的多故障诊断方法,并对其参数和时间复杂度进行分析采用工... 针对可拓神经网络无法解决多故障诊断的问题,建立问题模型,将多故障诊断问题转化为多特征样本的聚类问题从模型结构和学习算法两个方面对ENN2进行改进,提出基于改进ENN2聚类算法的多故障诊断方法,并对其参数和时间复杂度进行分析采用工程实例对所提出的方法进行验证,结果表明,所提出的方法能够解决离线的多故障诊断问题,且得到的诊断模型可用于在线状态监控。 展开更多
关键词 多故障诊断 可拓神经网络 改进enn2聚类算法 状态监控
原文传递
建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量 被引量：12
9
作者 李红娟 王建军 +1 位作者 王华 孟华 《过程工程学报》 CAS CSCD 北大核心 2013年第3期451-457,共7页
针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSS... 针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSSVM)各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证.结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测.Wilcoxon符号秩检验也验证了所提建模方法的有效性. 展开更多
关键词 高炉煤气发生量 概率神经网络 HP滤波 Elman神经网络 最小二乘支持向量机 PNN-HP-enn-LSSVM模型
原文传递
基于ENN广义预测控制算法的滑坡位移多步预测 被引量：4
10
作者 刘勇 秦志萌 +1 位作者 余宏明 胡宝丹 《地质科技情报》 CSCD 北大核心 2017年第4期255-259,共5页
针对滑坡位移预测时变性和复杂性的特点,将具有动态反馈特性的Elman神经网络(ENN)引入到分析研究中,充分发挥ENN对非线性情况的适应性。同时将之与广义预测控制算法相结合,以ENN作为广义预测控制算法的预测模块,结合滚动优化和反馈校正... 针对滑坡位移预测时变性和复杂性的特点,将具有动态反馈特性的Elman神经网络(ENN)引入到分析研究中,充分发挥ENN对非线性情况的适应性。同时将之与广义预测控制算法相结合,以ENN作为广义预测控制算法的预测模块,结合滚动优化和反馈校正,提出了基于ENN广义预测控制算法的滑坡位移多步预测模型。将该方法应用于重庆市巫山县龙井乡白泉村大水田滑坡的位移预测,证实多步预测能够对位移变化趋势进行良好的拟合,同时高精度地实现了邻近时步的预测;通过与ENN多步预测进行对比,验证了模型的有效性。 展开更多
关键词 滑坡位移预测 多步预测 enn 广义预测控制算法
在线阅读 下载PDF
基于PDS和ENNS的快速K-Means聚类算法 被引量：1
11
作者 禹贵辉 潘志斌 +2 位作者 乔瑞萍 邹彬 姜彦民 《微电子学与计算机》 CSCD 北大核心 2011年第6期16-21,共6页
在将部分失真搜索算法PDS,等均值最近邻搜索算法ENNS集成到K-Means算法迭代过程中的基础上,进一步利用迭代过程中已获取的历史索引信息构造优先搜索序列来减小K-Means算法的计算量,降低时间开销.实验结果表明,此算法提高了聚类的速度,... 在将部分失真搜索算法PDS,等均值最近邻搜索算法ENNS集成到K-Means算法迭代过程中的基础上,进一步利用迭代过程中已获取的历史索引信息构造优先搜索序列来减小K-Means算法的计算量,降低时间开销.实验结果表明,此算法提高了聚类的速度,在利用标准测试Lena图生成不同尺寸码书的情况下,能够将计算时间降至传统全搜索K-Means的8.6%~14.5%. 展开更多
关键词 K-MEANS算法 PDS ennS 聚类速度
在线阅读 下载PDF
SMOTE_ENN结合AdaBoost在临床预测模型中的应用探析 被引量：2
12
作者 李淑琪 光彪 +2 位作者 赵玉凤 陈继东 马利 《中国卫生统计》 CSCD 北大核心 2023年第6期817-821,共5页
目的探讨SMOTE_ENN混合采样结合AdaBoost算法在不平衡临床数据分类模型中的预测效果。方法采用网格搜索,设置不同采样比例,结合真实数据应用ROS_RUS、SMOTE_RUS、SMOTE_Tomek、SMOTE_ENN四种混合采样方法,分别基于DT、SVM、AdaBoost三... 目的探讨SMOTE_ENN混合采样结合AdaBoost算法在不平衡临床数据分类模型中的预测效果。方法采用网格搜索,设置不同采样比例,结合真实数据应用ROS_RUS、SMOTE_RUS、SMOTE_Tomek、SMOTE_ENN四种混合采样方法,分别基于DT、SVM、AdaBoost三种分类算法建模并比较性能。选取Recall、F1值、AUC三个评价指标,五折交叉验证重复三次取平均值。另选取两个UCI数据集对模型进行外部验证。结果12个分类模型中,SMOTE_ENN混合采样结合AdaBoost的模型性能最优,Recall、F1值和AUC分别为0.747、0.751和0.776,且最佳采样率为50%SMOTE过采样联合70%ENN欠采样。结论SMOTE_ENN混合采样结合AdaBoost模型可有效提升HT患者不平衡数据的临床结局预测效能,且按最佳比例抽样可有效解决以往重抽样没有明确采样率的问题。经公开的UCI数据集进一步验证后,该模型可推广应用。 展开更多
关键词 SMOTE enn ADABOOST 临床预测模型 不平衡数据
暂未订购
概率积分预计参数的ENN优化算法 被引量：2
13
作者 张劲满 阎跃观 +4 位作者 李杰卫 徐瑞瑞 王芷馨 张坤 岳彩亚 《金属矿山》 CAS 北大核心 2022年第5期170-176,共7页
为了提高ENN(Elman neural network)神经网络获取概率积分预计参数的准确性,以我国30个地表移动观测站的实测数据作为学习训练和测试的样本数据,采用强稳健局部加权回归法(Rlowess,RW)对30个地表移动观测站数据进行降噪处理,采用蚁群算... 为了提高ENN(Elman neural network)神经网络获取概率积分预计参数的准确性,以我国30个地表移动观测站的实测数据作为学习训练和测试的样本数据,采用强稳健局部加权回归法(Rlowess,RW)对30个地表移动观测站数据进行降噪处理,采用蚁群算法(Ant Colony Optimization,ACO)对ENN神经网络的权值和阈值进行优化,构建了ACO-ENN概率积分预计参数解算模型。结果表明:对比分析ACO-ENN模型解算RW降噪处理前后的实测数据,发现RW降噪处理显著提高了数据质量,提高了解算模型的预测精度;利用ACO-ENN模型解算下沉系数、水平移动系数、主要影响角正切及拐点偏移距的平均相对误差分别为2.41%、3.48%、6.11%和1.67%,ACO-ENN模型对于概率积分预计参数的解算精度优于传统ENN算法,为精确获取概率积分预计参数提供了新思路。 展开更多
关键词 开采沉陷 概率积分法 RW 降噪 蚁群算法 enn 神经网络
在线阅读 下载PDF
基于KPCA-SSA-ENN的变压器油界面张力预测 被引量：5
14
作者 姚远 贾路芬 +3 位作者 刘立 赵自威 李杨 周渠 《重庆理工大学学报（自然科学）》 北大核心 2023年第7期297-305,共9页
针对目前变压器油界面张力的传统检测方法检测时间长、成本高等问题,提出了基于多频超声检测技术和人工智能算法的界面张力预测方法。对选取的175组变压器油样进行圆环法界面张力检测和多频超声波检测,分析了多频超声波信号的幅频响应... 针对目前变压器油界面张力的传统检测方法检测时间长、成本高等问题,提出了基于多频超声检测技术和人工智能算法的界面张力预测方法。对选取的175组变压器油样进行圆环法界面张力检测和多频超声波检测,分析了多频超声波信号的幅频响应、相频响应和界面张力之间的相关性。通过核主成分分析(KPCA)预处理多频超声波数据,划分样本集为140组的训练集和35组的测试集,并建立麻雀搜索算法(SSA)优化Elman神经网络(ENN)的界面张力预测模型,预测平均相对误差为6.53%,预测准确率达到93.47%。 展开更多
关键词 变压器油 界面张力 多频超声 KPCA-SSA-enn
在线阅读 下载PDF
基于SVC-ENN钢铁企业副产煤气消耗量的预测建模 被引量：3
15
作者 李红娟 王建军 +1 位作者 王华 孟华 《昆明理工大学学报（自然科学版）》 CAS 北大核心 2013年第5期68-74,共7页
针对钢铁企业副产煤气消耗量的机理模型难以对消耗量进行精确预测的问题,通过分析副产煤气消耗量特点,建立SVC-ENN模型对副产煤气的消耗量进行预测.根据企业实际数据应用模型,结果表明,对烧结工序、炼钢工序、连铸工序30个点和60个点进... 针对钢铁企业副产煤气消耗量的机理模型难以对消耗量进行精确预测的问题,通过分析副产煤气消耗量特点,建立SVC-ENN模型对副产煤气的消耗量进行预测.根据企业实际数据应用模型,结果表明,对烧结工序、炼钢工序、连铸工序30个点和60个点进行测试分类准确率分别为90%,96.67%,98.33%;96.67%,95%,100%.根据分类结果建立模型进行预测,预测平均相对误差分别为0.8%,0.5%,0.9%;2.1%,0.8%,1.3%.所建模型分类准确,预测效果良好,适合副产煤气消耗量的预测. 展开更多
关键词 ELMAN神经网络 支持向量分类 最小二乘支持向量机
在线阅读 下载PDF
基于ASGSO-ENN算法的瓦斯涌出量动态预测模型 被引量：2
16
作者 付华 訾海 《计算机工程》 CAS CSCD 北大核心 2015年第7期317-321,共5页
针对煤矿瓦斯涌出量的多影响因素预测问题,引入荧光因子以自适应调整搜索步长,用于改善基本萤火虫算法后期收敛速度慢及容易陷入局部最优的缺陷。将改进后的自适应步长萤火虫算法与Elman动态反馈神经网络相结合,用于辨识瓦斯涌出非线性... 针对煤矿瓦斯涌出量的多影响因素预测问题,引入荧光因子以自适应调整搜索步长,用于改善基本萤火虫算法后期收敛速度慢及容易陷入局部最优的缺陷。将改进后的自适应步长萤火虫算法与Elman动态反馈神经网络相结合,用于辨识瓦斯涌出非线性系统。通过实时对网络的权值、阈值进行全局寻优,建立基于ASGSO-ENN耦合算法的绝对瓦斯涌出量预测模型。利用矿井监测到的各项历史数据进行实验,结果表明,该模型的预测均方根误差为0.103 4,平均相对变动值为0.000 387。相比于其他工程常用的预测模型,具备更高的预测精度与更强的泛化能力。 展开更多
关键词 绝对瓦斯涌出量 非线性系统 预测模型 自适应步长萤火虫群优化 ELMAN神经网络 动态反馈
在线阅读 下载PDF
基于SmoteEnn_XGBoost模型的路况感知方法研究 被引量：1
17
作者 杨黎娜 姚凯学 +3 位作者 何勇 席雷鹏 刘文才 赵继露 《智能计算机与应用》 2021年第11期137-142,147,共7页
针对由于异常路况数据量较小,导致数据集数据不均衡问题,从而引起路况预测模型准确度不高以及运行效率低等问题,提出一种基于SmoteEnn;GBoost的路况感知方法。设计研发了路况数据采集系统,捕获并处理实时的路况数据;使用SmoteEnn算法对... 针对由于异常路况数据量较小,导致数据集数据不均衡问题,从而引起路况预测模型准确度不高以及运行效率低等问题,提出一种基于SmoteEnn;GBoost的路况感知方法。设计研发了路况数据采集系统,捕获并处理实时的路况数据;使用SmoteEnn算法对数据集进行数据合成处理;采用XGBoost算法对提取的主要特征进行训练和测试,从而识别出正常路况和异常路况。结果表明,基于SmoteEnn;GBoost的路况感知方法,对比目前较常用的分类模型SVM、逻辑回归、GBDT、随机森林等,在提高路况分类效果的同时大幅缩短算法的运算时间。 展开更多
关键词 路况 三轴加速度 Smoteenn算法 XGBoost算法
在线阅读 下载PDF
ACO-ENN算法在高压直流输电线路故障测距中的应用 被引量：4
18
作者 谢国民 穆艳祥 《传感器与微系统》 CSCD 2020年第1期157-160,共4页
根据目前高压直流(HVDC)输电线路故障测距方法的不足,提出一种高压直流输电线路故障测距的新方法。由于行波法在时域上提取行波波头困难,导致测距精度低,而故障行波的频谱恰好可以反映行波的幅频特性,因此,采用故障频谱对高压直流输电... 根据目前高压直流(HVDC)输电线路故障测距方法的不足,提出一种高压直流输电线路故障测距的新方法。由于行波法在时域上提取行波波头困难,导致测距精度低,而故障行波的频谱恰好可以反映行波的幅频特性,因此,采用故障频谱对高压直流输电线路进行故障分析,采用此方法有效地提高了故障测距的精度,故障频谱在传播过程中往往会产生固有频率信号,将固有频率的主频以及二倍频的幅值和频率作为输入训练样本,将故障距离作为输出训练样本,提出一种基于Elman动态神经网络直流输电线路故障测距算法。利用蚁群优化(ACO)算法对Elman动态神经网络的初始权值和阈值进行优化。采用PSCAD和MATLAB软件进行联合仿真,结果表明了该算法可以使系统稳定、收敛速度快、测距精度高。 展开更多
关键词 Elman动态神经网络 蚁群优化算法 直流输电 故障测距
在线阅读 下载PDF
基于HP(2)-ENN模型的高炉煤气发生量预测 被引量：1
19
作者 王小军 《冶金能源》 2015年第2期25-29,共5页
针对钢铁企业高炉煤气发生量频繁波动,且难以通过建立机理模型进行预测的问题,结合HP滤波、Elman神经网络各自性质,建立了HP(2)-ENN模型对高炉煤气发生量进行预测。根据企业实际数据应用模型,结果表明,所建模型预测效果良好,与其他常用... 针对钢铁企业高炉煤气发生量频繁波动,且难以通过建立机理模型进行预测的问题,结合HP滤波、Elman神经网络各自性质,建立了HP(2)-ENN模型对高炉煤气发生量进行预测。根据企业实际数据应用模型,结果表明,所建模型预测效果良好,与其他常用模型相比,适合高炉煤气发生量的预测,并为合理调度副产煤气提供操作依据。 展开更多
关键词 HP滤波 ELMAN神经网络 HP(2)-enn模型
在线阅读 下载PDF
基于ACO-ENN算法的高压直流输电线路故障测距技术
20
作者 李迎 《通信电源技术》 2023年第10期14-16,共3页
基于Elman动态神经网络(Elman dynamic Neural Network,ENN)计算高压直流输电线路故障测距,选择蚁群优化(Ant Colony Optimization,ACO)算法优化ENN阈值和权值,通过MATLAB与PSCAD软件展开联合仿真,研究结果显示,应用ACO-ENN能够在很大... 基于Elman动态神经网络(Elman dynamic Neural Network,ENN)计算高压直流输电线路故障测距,选择蚁群优化(Ant Colony Optimization,ACO)算法优化ENN阈值和权值,通过MATLAB与PSCAD软件展开联合仿真,研究结果显示,应用ACO-ENN能够在很大程度上提升网络收敛速度和精确度。因为ACO算法鲁棒性比较强,并实现全局最优解搜索,所以该方法有助于提高网络训练收敛速度,防止陷入局面最优。ACO-ENN算法可在直流输电线路故障测距领域应用与推广。 展开更多
关键词 Elman动态神经网络(enn) 蚁群优化(ACO) 高压直流输电线路 故障测距
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 … 4 下一页 到第 页
使用帮助 返回顶部