目前变压器油中气体浓度预测普遍采用灰色模型,但灰色模型的使用存在一定局限性。为提高预测的精度和可靠性,应用最小二乘支持向量机(least squares support vector machine,LS-SVM)理论建立了同时预测变压器油中7种主要特征气体(氢气...目前变压器油中气体浓度预测普遍采用灰色模型,但灰色模型的使用存在一定局限性。为提高预测的精度和可靠性,应用最小二乘支持向量机(least squares support vector machine,LS-SVM)理论建立了同时预测变压器油中7种主要特征气体(氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳和二氧化碳)的预测模型。该模型既综合考虑了气体之间的相互影响,又充分发挥了LS-SVM解决有限样本问题的优势, 具有较高的预测精度和泛化能力。实例分析验证了该模型的有效性。展开更多
输电导线弧垂是导线运行的重要参数,影响电网的安全稳定运行。为实现导线弧垂的准确监测,提出基于导线工频电场(power frequency electrical field,PFEF)逆运算的弧垂计算方法。首先根据悬链线方程,基于有限长线电荷建立导线工频电场的...输电导线弧垂是导线运行的重要参数,影响电网的安全稳定运行。为实现导线弧垂的准确监测,提出基于导线工频电场(power frequency electrical field,PFEF)逆运算的弧垂计算方法。首先根据悬链线方程,基于有限长线电荷建立导线工频电场的三维计算模型。然后根据导线下方工频电场的实时测量数据,在三维电场模型下利用遗传算法(geneticalgorithm,GA)反演得到导线的最大弧垂。考虑电场测量数据受外界环境因素和测量条件的影响,采用最小二乘支持向量机(least squares support vector machine,LS-SVM)建立导线原始测量数据的环境因素修正模型,使修正后的测量数据逼近理想条件下的数据。将修正后的电场测量值作为反演模型的目标参考值,进一步提高弧垂的计算精度。对比银川地区某条典型输电导线的测量数据,验证了该算法的有效性。展开更多
采用水稻无土栽培方法人为控制含氮率,在水稻某特定生长期,同时测量水稻冠层反射率和叶片含氮率,建立了基于冠层反射率的水稻叶片氮含率的回归预测模型.通过分析不同氮环境下各冠层反射率光谱图,确定了与水稻含氮率相关性高的特征波段....采用水稻无土栽培方法人为控制含氮率,在水稻某特定生长期,同时测量水稻冠层反射率和叶片含氮率,建立了基于冠层反射率的水稻叶片氮含率的回归预测模型.通过分析不同氮环境下各冠层反射率光谱图,确定了与水稻含氮率相关性高的特征波段.针对最小二乘支持向量机(leastsquares support vector machines,LS-SVM)参数难定问题,采用遗传算法对LS-SVM参数进行优化.试验结果表明,传统人为选定参数的LS-SVM算法模型的平均回判精确率达到97.21%,预测平均误差率达到5.70%,遗传算法最小二乘支持向量机(genetic algorithm least squares support vec-tor machines,GA-LS-SVM)算法模型的平均回判精确率达到99.60%,预测平均误差率达到2.72%.GA-LS-SVM算法模型的回判及预测效果均明显优于人为选定参数的LS-SVM算法.展开更多
文摘输电导线弧垂是导线运行的重要参数,影响电网的安全稳定运行。为实现导线弧垂的准确监测,提出基于导线工频电场(power frequency electrical field,PFEF)逆运算的弧垂计算方法。首先根据悬链线方程,基于有限长线电荷建立导线工频电场的三维计算模型。然后根据导线下方工频电场的实时测量数据,在三维电场模型下利用遗传算法(geneticalgorithm,GA)反演得到导线的最大弧垂。考虑电场测量数据受外界环境因素和测量条件的影响,采用最小二乘支持向量机(least squares support vector machine,LS-SVM)建立导线原始测量数据的环境因素修正模型,使修正后的测量数据逼近理想条件下的数据。将修正后的电场测量值作为反演模型的目标参考值,进一步提高弧垂的计算精度。对比银川地区某条典型输电导线的测量数据,验证了该算法的有效性。
文摘采用水稻无土栽培方法人为控制含氮率,在水稻某特定生长期,同时测量水稻冠层反射率和叶片含氮率,建立了基于冠层反射率的水稻叶片氮含率的回归预测模型.通过分析不同氮环境下各冠层反射率光谱图,确定了与水稻含氮率相关性高的特征波段.针对最小二乘支持向量机(leastsquares support vector machines,LS-SVM)参数难定问题,采用遗传算法对LS-SVM参数进行优化.试验结果表明,传统人为选定参数的LS-SVM算法模型的平均回判精确率达到97.21%,预测平均误差率达到5.70%,遗传算法最小二乘支持向量机(genetic algorithm least squares support vec-tor machines,GA-LS-SVM)算法模型的平均回判精确率达到99.60%,预测平均误差率达到2.72%.GA-LS-SVM算法模型的回判及预测效果均明显优于人为选定参数的LS-SVM算法.
