基于ISSA-KELM的光纤光栅加速度传感器温度补偿研究

1

作者 姚言雨 熊鸣 +1 位作者 王丽婕 高超飞 《仪表技术与传感器》 北大核心 2025年第4期15-20,24,共7页

针对光纤光栅加速度传感器测量时会同时受到温度和加速度影响的问题,提出了基于改进麻雀搜索算法(ISSA)优化KELM神经网络的温度补偿模型。首先,在麻雀搜索算法(SSA)的位置更新中引入改进的自适应收敛因子与沙猫群优化策略、可变螺旋搜... 针对光纤光栅加速度传感器测量时会同时受到温度和加速度影响的问题,提出了基于改进麻雀搜索算法(ISSA)优化KELM神经网络的温度补偿模型。首先,在麻雀搜索算法(SSA)的位置更新中引入改进的自适应收敛因子与沙猫群优化策略、可变螺旋搜索策略、扰动算子和莱维飞行策略。其次,将ISSA与SSA、鲸鱼优化算法(WOA)等5种优化算法进行基准测试函数对比。最后,利用ISSA优化KELM神经网络的正则化系数和高斯核参数,进行温度补偿实验。仿真实验与温度补偿实验结果表明:ISSA的稳定性和寻优精度最佳,ISSA-KELM可以最准确地预测温度和加速度并降低温度加速度交叉敏感引起的误差,验证了模型的有效性。 展开更多

关键词 麻雀搜索算法 kelm神经网络 光纤光栅加速度传感器 温度补偿

在线阅读 下载PDF 职称材料

基于动态时间规整聚类的VMD-KELM光伏发电功率预测

2

作者 贾伟 付鹏 +2 位作者 王正风 梁肖 雷杨 《电网与清洁能源》 北大核心 2025年第11期104-112,共9页

针对分布式光伏点多面广、布局分散导致发电功率随机性强、波动性大,且受局部地理与天气周期影响显著,短期预测精度不足的问题,提出了一种基于动态时间规整聚类的变分模态分解-核极限学习机(variational modal decomposition-kernel ext... 针对分布式光伏点多面广、布局分散导致发电功率随机性强、波动性大,且受局部地理与天气周期影响显著,短期预测精度不足的问题,提出了一种基于动态时间规整聚类的变分模态分解-核极限学习机(variational modal decomposition-kernel extreme learning machine,VMD-KELM)分布式光伏发电功率预测模型,并通过白鲸优化(beluga whale optimization,BWO)算法优化预测精度。首先,利用基于动态时间规整(dynamic time warping,DTW)的Kmeans算法对历史发电数据进行时间序列聚类,识别不同气象条件下的区域特征;其次,通过VMD分解处理后的数据,有效克服高波动性、边界效应及模态混叠问题,提升序列平稳性;最后,构建核极限学习机(kernel extreme learning machine,KELM)预测模型,并运用BWO算法优化其关键参数提高模型精度与收敛速度,通过某分布式光伏电站的实测数据验证所提模型的有效性。结果表明,该模型在不同气象条件下均能提供高精度的预测结果,有力地支撑了电力系统的稳定运行,同时促进了光伏消纳能力的提升。 展开更多

关键词 分布式光伏 功率预测 BWO算法 VMD-kelm DTW-Kmeans算法

在线阅读 下载PDF 职称材料

多策略改进SSA优化KELM的边坡稳定性预测模型 被引量：13

3

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

原文传递

基于CEEMDAN-IPSO-KELM模型的BDS卫星钟差预报

4

作者 边奇海 张莎薇 +2 位作者 雷荣智 刘子巍 刘敏 《地理空间信息》 2025年第3期13-17,共5页

针对BDS卫星钟差数据呈非线性特征、难以准确预报的问题,结合自适应噪声完备集合经验模态分解(CEEMDAN)算法和核极限学习机(KELM)算法的优势,构建了组合钟差预报模型。首先充分利用CEEMDAN算法的信号分解能力自适应分解非平稳性钟差序列... 针对BDS卫星钟差数据呈非线性特征、难以准确预报的问题,结合自适应噪声完备集合经验模态分解(CEEMDAN)算法和核极限学习机(KELM)算法的优势,构建了组合钟差预报模型。首先充分利用CEEMDAN算法的信号分解能力自适应分解非平稳性钟差序列,并重构分解结果得到新的钟差序列;再利用改进粒子群优化(IPSO)算法优化KELM的核参数与正则化参数;最后重构不同钟差序列的预报结果,得到最终钟差预报结果。利用iGMAS提供的BDS钟差数据进行短期预报实验,结果表明该组合预报模型的单天和多天钟差预报精度均明显优于对比模型,丰富了现有BDS卫星钟差预报模型。 展开更多

关键词 BDS 钟差预报 CEEMDAN IPSO算法 kelm

在线阅读 下载PDF 职称材料

基于PSO-KELM的煤与瓦斯突出预测研究

5

作者 王小生 尹亚红 +2 位作者 涂军 张小健 杨晋 《能源与环保》 2025年第3期60-64,共5页

煤与瓦斯突出是煤矿开采过程中常见的一种地质灾害,为保障井下工作人员的生命安全和国民经济的稳定增长,融合智能优化算法和机器学习算法,以核极限学习机(KELM)作为基准预测模型,结合粒子群算法(PSO)优化KELM关键参数,规避了人为预设导... 煤与瓦斯突出是煤矿开采过程中常见的一种地质灾害,为保障井下工作人员的生命安全和国民经济的稳定增长,融合智能优化算法和机器学习算法,以核极限学习机(KELM)作为基准预测模型,结合粒子群算法(PSO)优化KELM关键参数,规避了人为预设导致的性能缺陷,提高预测模型分类精度。结合现场实测数据,对指标预处理进行有效性分析,验证优化预处理后的模型精度较未处理有所提升;以预处理后的数据样本作为模型输入,对各基准预测模型进行对比,证明了KELM基准预测模型的稳定性和优越性;将PSO-KELM模型与其他常用模型进行30次预测对比实验。结果表明,PSO-KELM模型平均预测准确率达到86.33%,较其他模型具有更好的预测精度和更快的收敛速度,为煤与瓦斯突出预测工作提供了一种新的有效方法和理论支撑。 展开更多

关键词 PSO-kelm模型 煤与瓦斯突出灾害 风险预测粒子群算法 核极限学习机

在线阅读 下载PDF 职称材料

基于SAIGM-KELM的短期风电功率预测 被引量：16

6

作者 王浩 王艳 纪志成 《电力系统保护与控制》 EI CSCD 北大核心 2020年第18期78-87,共10页

针对时序下风电功率的随机性和波动性问题,提出一种基于自适应智能灰色系统(SAIGM)和遗传算法优化核极限学习机(GA-KELM)的混合风电功率预测模型。首先,以灰色关联性分析不同季度下风向量与数值气象预报(NWP)对风电功率的影响为基础,采... 针对时序下风电功率的随机性和波动性问题,提出一种基于自适应智能灰色系统(SAIGM)和遗传算法优化核极限学习机(GA-KELM)的混合风电功率预测模型。首先,以灰色关联性分析不同季度下风向量与数值气象预报(NWP)对风电功率的影响为基础,采用自适应智能灰色系统预测风速,并将预测的风速与相连时序下的风向和NWP有效整合作为预测样本。其次,利用遗传算法优化核极限学习机搭建风电功率预测模型,并将实际风向量与NWP有效整合作为预测模型的训练样本。最后,利用优化后的预测模型实现不同季节的风电功率预测。实验表明混合预测模型可实现对风电功率的短期预测,预测结果具有准确性和可靠性。 展开更多

关键词 风电功率 灰色关联性 自适应智能灰色系统 遗传算法 核极限学习机

在线阅读 下载PDF 职称材料

基于LASSO-GWO-KELM的工业碳排放预测方法研究 被引量：20

7

作者 张新生 魏志臻 +1 位作者 陈章政 韩轶伟 《环境工程》 CAS CSCD 北大核心 2023年第10期141-149,共9页

针对工业碳排放系统的总量预测问题,建立基于套索回归(LASSO)、灰狼优化算法(GWO)和核极限学习机(KELM)相结合的模型提高碳排放量预测精度。首先根据IPCC公式法与电热分摊法核算2000—2020年工业直接与间接碳排放量,运用STIRPAT模型选... 针对工业碳排放系统的总量预测问题,建立基于套索回归(LASSO)、灰狼优化算法(GWO)和核极限学习机(KELM)相结合的模型提高碳排放量预测精度。首先根据IPCC公式法与电热分摊法核算2000—2020年工业直接与间接碳排放量,运用STIRPAT模型选取国内生产总值、能源结构、固定资产投资等指标;然后通过灰色关联分析、LASSO回归模型筛选出7个显著影响因素;再接着对工业碳排放系统的参数数据进行预处理并输入至KELM模型,使用GWO算法优化KELM正则化系数(C)和核函数参数(γ);最后将预测结果集成汇总,并对比分析LASSO-GWO-KELM、LASSO-SSA-KELM、LASSO-SFO-KELM、LASSO-KELM和LASSO-ELM预测结果。结果显示:LASSO-GWO-KELM模型预测值与实际值拟合,其均方误差、平均绝对误差、均方根误差、平均绝对百分比误差分别为0.02%、1.09%、1.33%和1.17%,均优于其他模型,证明该模型能够更为准确地预测工业碳排放量,为我国尽早实现“双碳”目标提供参考。 展开更多

关键词 工业 套索回归 核极限学习机 灰狼优化算法 碳排放预测

原文传递

基于IAOA-KELM的储气库注采管柱内腐蚀速率预测 被引量：4

8

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

原文传递

基于AVMD和BSA-KELM的水电站厂房结构振动预测研究 被引量：4

9

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KECA-IGWO-KELM的间歇过程故障诊断方法 被引量：6

10

作者 张敏 王瑞琦 张训杰 《信息与控制》 CSCD 北大核心 2021年第3期321-328,共8页

针对间歇过程数据呈现的多阶段性、强耦合性以及非线性等特点,提出一种基于核熵成分分析(KECA)和改进灰狼优化算法及核极限学习机的(KELM)间歇过程故障诊断方法.考虑间歇过程数据的多阶段性,利用K均值算法对数据进行阶段划分,将整个过... 针对间歇过程数据呈现的多阶段性、强耦合性以及非线性等特点,提出一种基于核熵成分分析(KECA)和改进灰狼优化算法及核极限学习机的(KELM)间歇过程故障诊断方法.考虑间歇过程数据的多阶段性,利用K均值算法对数据进行阶段划分,将整个过程划分为若干子阶段;针对间歇过程数据的强耦合性与非线性,引入核熵成分分析算法对原始故障数据进行特征提取,获得数据深层特征;利用核极限学习机作为分类器,并通过改进种群初始化策略与收敛因子的改进灰狼算法进行分类器参数智能寻优,进而获得最优分类器,实现间歇过程各阶段的故障诊断.最后通过青霉素仿真实验数据进行模拟实验和对比实验,验证了该方法的可行性和优越性. 展开更多

关键词 间歇过程 核熵成分分析 灰狼优化算法 核极限学习机 青霉素仿真

原文传递

基于EEMD-VMD-SSA-KELM模型的汛期日径流预测 被引量：8

11

作者 吴小涛 袁晓辉 +2 位作者 袁艳斌 毛雅茜 肖加清 《中国农村水利水电》 北大核心 2023年第7期27-34,共8页

受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EE... 受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法、变分模态分解(Variational Modal Decomposition,VMD)算法和麻雀搜索算法(Sparrow Search Algorithm,SSA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)的组合径流预测模型(EEMD-VMD-SSA-KELM)。首先利用EEMD算法将径流序列分解为趋势分量、细节分量和随机分量,接着利用VMD算法将频率最大的随机分量进一步分解为若干个频率不同、较随机分量更加稳定的分量,从而降低径流序列的不稳定性;接着,对每个分量分别建立KELM模型进行预测,并采用SSA优化KELM模型的核参数和惩罚系数;最后,累加所有分量的预测结果得到径流序列的预测结果。提出的模型应用于湖北宜昌寸滩水文站的汛期日径流预测,并与BP神经网络模型、最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型、KELM模型等作对比。结果表明:组合了数据分解算法的预测模型的预测精度明显优于单一的BP模型、LSSVM模型和KELM模型;组合EEMD算法和VMD算法的预测模型的预测精度优于仅组合EEMD算法的预测模型;KELM模型的预测精度优于LSSVM模型;SSA的优化精度优于粒子群优化算法。EEMD-VMD-SSA-KELM模型的预测精度最高,能准确的模拟复杂多频信息的汛期日径流的变化趋势,可为水文预测及相关预测研究提供参考。 展开更多

关键词 径流预测 EEMD算法 VMD算法 kelm 麻雀搜索算法

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：2

12

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WOA-KELM算法的风电机组智能故障诊断研究 被引量：9

13

作者 安留明 沙德生 +3 位作者 张庆 李芊 刘潇波 张鑫赟 《热力发电》 CAS CSCD 北大核心 2023年第12期131-139,共9页

针对风电机组存在的典型故障进行了归纳,选取某风场风电机组故障频次较高的变流系统、发电机系统、变桨系统、辅助电源系统故障数据和非故障数据进行故障诊断研究,分别采用极限学习机(ELM)、最小二乘支持向量机(SVM)、核极限学习机(KELM... 针对风电机组存在的典型故障进行了归纳,选取某风场风电机组故障频次较高的变流系统、发电机系统、变桨系统、辅助电源系统故障数据和非故障数据进行故障诊断研究,分别采用极限学习机(ELM)、最小二乘支持向量机(SVM)、核极限学习机(KELM)和鲸鱼群优化算法(WOA)的WOA-KELM算法建立了故障诊断模型,同时采用拉普拉斯分数对模型特征变量重要程度进行排序和选取,WOA-KELM算法通过优化KELM算法的正则化参数C与核参数γ取得了更好的诊断效果。研究表明:不同样本数量下4种算法4对非故障类型的诊断准确率均为100%;采用拉普拉斯分数对WOA-KELM算法进行特征筛选后测试样本的平均诊断准确率从88.0%提高到93.2%;WOA-KELM算法在样本数量为250~500内进行特征筛选后的诊断准确率达到最大值96.0%。这证明该模型可以有效实现风电机组的故障诊断,为现场运维人员提供指导与参考。 展开更多

关键词 风电机组 故障诊断 WOA-kelm算法 拉普拉斯分数

在线阅读 下载PDF 职称材料

基于ICAKELM的港口集装箱吞吐量预测模型 被引量：6

14

作者 顾子瑜 陈诺 《中国航海》 CSCD 北大核心 2022年第2期93-99,共7页

为了提高港口集装箱吞吐量预测的准确性与稳定性,在分析传统分解和集成的优缺点的基础上,提出ICEEMDAN-SE-ARIMA&ICAKELM-IKM预测模型,并将其用于上海港的月集装箱吞吐量预测。该模型首先利用ICEEMDAN分解港口集装箱吞吐量序列并分... 为了提高港口集装箱吞吐量预测的准确性与稳定性,在分析传统分解和集成的优缺点的基础上,提出ICEEMDAN-SE-ARIMA&ICAKELM-IKM预测模型,并将其用于上海港的月集装箱吞吐量预测。该模型首先利用ICEEMDAN分解港口集装箱吞吐量序列并分析其子序列的复杂程度,再使用样本熵检验子序列的复杂程度,分别使用ARIMA和帝国竞争优化核极限学习机(ICAKELM)对子序列进行预测,最后使用ICAKELM将各子序列的预测结果进行非线性集成,得出最终的预测结果。实证结果表明,本文所建立的分解集成人工智能模型预测效果显著优于传统的BP、ARIMA等单一模型,同时对于港口集装箱吞吐量短期预测有较高的准确性。 展开更多

关键词 港口集装箱吞吐量 帝国竞争算法 核极限学习机

在线阅读 下载PDF 职称材料

基于LASSO-GSWOA-KELM模型的石化行业碳排放预测研究 被引量：4

15

作者 余博 王尹 +2 位作者 柴俊松 乔子恒 孙野 《现代化工》 CAS CSCD 北大核心 2024年第S02期378-385,共8页

石化行业是碳排放的重要来源,构建精确预测石化行业碳排放的模型对我国实现“双碳”目标具有重要意义。通过采用STIRPAT模型和LASSO回归筛选影响碳排放的关键因素,并利用全局搜索策略的鲸鱼优化算法优化KELM模型以提高预测精度,构建了LA... 石化行业是碳排放的重要来源,构建精确预测石化行业碳排放的模型对我国实现“双碳”目标具有重要意义。通过采用STIRPAT模型和LASSO回归筛选影响碳排放的关键因素,并利用全局搜索策略的鲸鱼优化算法优化KELM模型以提高预测精度,构建了LASSO-GSWOA-KELM模型。实证结果显示,该模型预测精度超过其他模型,证明该模型为准确预测石化行业碳排放提供了有效工具。预测结果显示,我国石化行业碳排放将继续增长但增速放缓,预计在2029年达峰值。针对研究结果,提出了发展CCUS技术、淘汰落后产能、建立绿色金融体系等建议,为石化行业减排提供理论和决策支持。 展开更多

关键词 石化行业 碳排放预测 鲸鱼优化算法 kelm 机器学习

原文传递

基于SSAOS-KELM的指纹库自适应室内定位算法 被引量：2

16

作者 孙顺远 徐逸飞 秦宁宁 《传感技术学报》 CAS CSCD 北大核心 2022年第11期1475-1482,共8页

在室内定位场景中,传统指纹库定位方法存在着定位精度低、对环境变化适应能力差的问题,且当目标区域较大时,重新训练模型计算复杂度高。为解决该问题,提出了一种基于在线连续核极限学习机(Online Sequential Kernel Extreme Learning Ma... 在室内定位场景中,传统指纹库定位方法存在着定位精度低、对环境变化适应能力差的问题,且当目标区域较大时,重新训练模型计算复杂度高。为解决该问题,提出了一种基于在线连续核极限学习机(Online Sequential Kernel Extreme Learning Machine,OS-KELM)的室内定位算法。离线阶段,为缩小待测点所属区域,减小定位数据计算量,使用皮尔森系数优化的K-Means聚类算法对定位区域进行划分,通过樽海鞘优化算法(Slap Swarm Algorithm,SSA)对核极限学习机的参数进行寻优从而构建各区域的初始定位模型;在线阶段,使用OS-KELM对已构建好的定位模型进行调整,将更新后的模型用于实时定位,以适应环境变化。实验结果表明:该算法能够实现更高的定位精度并针对环境变化做出调整,相比于其他传统算法,精度、自适应性得到显著提升。 展开更多

关键词 室内定位 分区 樽海鞘优化算法 核极限学习机 指纹库更新

在线阅读 下载PDF 职称材料

基于IBA-KELM模型的TCT光伏阵列故障诊断研究 被引量：2

17

作者 任晓琳 杨奕 +2 位作者 高龙 于婧雅 韩青青 《电源学报》 CSCD 北大核心 2023年第5期67-74,共8页

针对光伏阵列的开路故障、短路故障、老化故障和局部阴影故障,提出了一种基于核极限学习机KELM(kernel extreme learning machine)的光伏阵列故障诊断方法,并采用改进的蝙蝠算法IBA(improved bat algorithm)对核极限学习机模型的参数进... 针对光伏阵列的开路故障、短路故障、老化故障和局部阴影故障,提出了一种基于核极限学习机KELM(kernel extreme learning machine)的光伏阵列故障诊断方法,并采用改进的蝙蝠算法IBA(improved bat algorithm)对核极限学习机模型的参数进行优化来提高模型的诊断准确率。为避免蝙蝠算法陷入局部最优并加快在参数寻优过程中的收敛速度,引入Levy飞行策略并在速度更新公式中引入指数递减的惯性权重。通过全连接TCT(total-crosstied)结构光伏阵列的故障数据验证表明,与BA-KELM,PSO-KELM、PSO-ELM模型相比,IBA-KELM模型在参数优化过程中收敛速度更快,优化后模型诊断精度也更高。 展开更多

关键词 TCT光伏阵列 故障诊断 核极限学习机 Levy飞行 改进蝙蝠算法

在线阅读 下载PDF 职称材料

改进量子蝙蝠优化BiLSTM-KELM的电缆接头故障早期预警 被引量：5

18

作者 严丹昭 陈晶 +3 位作者 方遒 张瑞清 兰旺耀 廖一鹏 《现代电子技术》 2023年第14期93-99,共7页

为提高对电缆中间接头故障的事先预知能力,文中提出一种基于改进量子蝙蝠算法优化BiLSTM-KELM模型的电缆中间接头故障早期预警方法。首先,采集电缆及接头的表层温度、环境温度、负荷电流的时间序列数据作为驱动,建立基于双向长短时记忆... 为提高对电缆中间接头故障的事先预知能力,文中提出一种基于改进量子蝙蝠算法优化BiLSTM-KELM模型的电缆中间接头故障早期预警方法。首先,采集电缆及接头的表层温度、环境温度、负荷电流的时间序列数据作为驱动,建立基于双向长短时记忆网络(BiLSTM)和核极限学习机(KELM)的接头中心温度预测模型;然后,构建非线性自适应旋转角量子旋转门以改进速度和位置的更新策略,并引入量子非转门实现较差个体的量子位置变异,用于预测模型参数的优化;最后,对正常工作接头进行温度预测和残差计算,使用概率分布拟合计算故障预警的残差阈值。实验结果表明,改进后的量子蝙蝠算法可以较好地逼近全局最优解,收敛效率高;优化后BiLSTM-KELM模型的预测精度得到有效提高,故障预警时间进一步提前,电缆接头故障的早期预警效果好。 展开更多

关键词 量子蝙蝠算法 电缆接头 故障预警 双向长短时记忆网络 核极限学习机 温度预测 参数优化 残差计算

在线阅读 下载PDF 职称材料

基于DBO参数寻优的KELM混凝土坝变形预测模型 被引量：1

19

作者 郑雪琴 王一鸣 +2 位作者 任韬哲 邵晨飞 顾昊 《水力发电》 CAS 2024年第11期87-92,共6页

传统回归模型与单一的智能学习模型,无法准确反映混凝土坝变形监测数据与环境量之间复杂的非线性关系,且所构建的变形预测模型精度不高、过拟合问题显著。为此,结合蜣螂优化(DBO)算法和核极限学习机(KELM),利用DBO算法对KELM模型中的正... 传统回归模型与单一的智能学习模型,无法准确反映混凝土坝变形监测数据与环境量之间复杂的非线性关系,且所构建的变形预测模型精度不高、过拟合问题显著。为此,结合蜣螂优化(DBO)算法和核极限学习机(KELM),利用DBO算法对KELM模型中的正则化参数和核函数参数自动全局寻优,构建了DBO-KELM混凝土坝变形预测模型。结合工程实例,验证模型对于大坝变形真实情况的反映效果,结果表明,DBO-KELM混凝土坝变形预测模型预测精度高、泛化能力强。 展开更多

关键词 混凝土坝 变形预测 蜣螂优化算法 核极限学习机 DBO-kelm模型

在线阅读 下载PDF 职称材料

基于RS-ISOA-KELM的输气管道内腐蚀速率预测方法 被引量：5

20

作者 吴小平 杨罗 田晓龙 《油气储运》 CAS 北大核心 2024年第2期180-188,221,共10页

【目的】地面输气管道易出现严重的内腐蚀问题,为保障管道服役安全,需准确预测管道内腐蚀速率。【方法】通过粗糙集(Rough Set,RS)理论筛选影响腐蚀的主控因素,将重构数据集作为输入、腐蚀速率作为输出,对核极限学习机(Kernel Based Ext... 【目的】地面输气管道易出现严重的内腐蚀问题,为保障管道服役安全,需准确预测管道内腐蚀速率。【方法】通过粗糙集(Rough Set,RS)理论筛选影响腐蚀的主控因素,将重构数据集作为输入、腐蚀速率作为输出,对核极限学习机(Kernel Based Extreme Learning Machine,KELM)模型进行训练,并利用改进的海鸥优化算法(Improved Seagull Optimization Algorithm,ISOA)对模型超参数进行优化,从而提出了一种基于RS-ISOA-KELM模型的输气管道内腐蚀速率预测方法,与其他组合模型的预测精度进行对比,并进行了长期预测效果及模型普适性分析。【结果】在Sphere、Schaffer、Rosenbrock、Rastrigin、Griewank 5个基准函数上对ISOA算法进行收敛性分析,发现其在求解精度和计算稳定性上具有较强优势;利用某气田区块的实际运行数据对该模型进行验证,结果表明温度、CO_(2)分压、H2S分压、流速、Cl-含量、含水率、缓蚀剂残余浓度是影响内腐蚀的重要因素,其中H2S分压、流速、缓蚀剂残余浓度的权重最大;使用RS-ISOA-KELM模型对腐蚀速率进行预测,其平均相对误差为1.498%、均方根误差为0.0021 mm/a、决定系数为0.9993,优于其他常见的组合模型。【结论】所建组合模型具有强泛化性能和高预测精度,通过对原数据库的扩充和更新,可以实现管道中长期腐蚀速率的预测;在腐蚀参数、数据量、训练测试比均不同的情况下,该模型仍然保持了较好的预测效果。 展开更多

关键词 输气管道 内腐蚀 腐蚀速率 粗糙集 海鸥优化算法 核极限学习机

原文传递