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1,585篇文章
< 1 2 … 80 >
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VMD-SSA-ICA的ADS-B信号解交织算法研究
1
作者 张召悦 董冠廷 鲍水达 《空军工程大学学报》 北大核心 2026年第1期41-47,57,共8页
针对在广播式自动相关监视信号在低信噪比,低相对延时的情况下解交织成功率低的问题,提出了基于VMD-SSA-ICA的ADS-B信号解交织方法。该方法首先采用变分模态分解方法对交织信号进行模态分解。其次基于奇异谱分析方法对各个模态进行重构... 针对在广播式自动相关监视信号在低信噪比,低相对延时的情况下解交织成功率低的问题,提出了基于VMD-SSA-ICA的ADS-B信号解交织方法。该方法首先采用变分模态分解方法对交织信号进行模态分解。其次基于奇异谱分析方法对各个模态进行重构,消除模态混叠,有效地分析ADS-B信号的潜在结构;然后用独立成分分析算法进行解交织。最后利用Dn-CNN神经网络对输出信号进行去噪处理,实现了信号分离与去噪的一体化。实验结果表明,该方法能够在信噪比为8~15 dB的情况下,分别实现60.92%~99.94%的信号解码成功率;针对不同信号相对时延的实验结果表明,算法在相对时延为0~10μs的情况下仍保持稳定的解交织性能。由此可见,该方法显著提升了ADS-B信号解交织算法的鲁棒性和抗干扰能力。 展开更多
关键词 ADS-B信号 信号交织 模态分解 独立成分分析 VMD-ssa-ICA
在线阅读 下载PDF
基于SSA-BP神经网络的库区边坡变形时序预测研究
2
作者 武益民 张成良 张焕雄 《水电能源科学》 北大核心 2026年第1期177-181,共5页
针对库区边坡位移预测中存在的复杂非线性及不确定性难题,构建了一种基于智能优化算法的混合预测模型SSA-BP,旨在克服传统BP网络训练速度慢、易陷入局部最优的局限,从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网... 针对库区边坡位移预测中存在的复杂非线性及不确定性难题,构建了一种基于智能优化算法的混合预测模型SSA-BP,旨在克服传统BP网络训练速度慢、易陷入局部最优的局限,从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网络的初始权值和阈值进行全局优化,增强其收敛效率和适应性,并基于张家湾边坡历时5个月的真实位移监测数据进行训练。为验证模型优势,将SSA-BP模型与基于遗传算法(GA)和粒子群算法(PSO)优化的BP网络进行性能比对。研究表明,模型在24次迭代内快速收敛,显著优于对比模型,其均方根误差(RRMSE)、平均绝对百分比误差(M MAPE)、决定系数(R2)等评价指标均表现最佳。SSA-BP模型为库区边坡位移预测提供了一种可靠且高效的智能方法。 展开更多
关键词 库区边坡 位移变形预测 麻雀搜索算法(ssa) BP网络模型优化
原文传递
基于SSA去噪的级联LSTM网络地球极移短期预报方法
3
作者 张文渊 彭劲松 +2 位作者 韦纳都 高雨 张书毕 《测绘学报》 北大核心 2026年第1期46-58,共13页
地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一... 地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一种基于奇异谱分析(SSA)去噪的级联LSTM网络地球极移短期预报方法。该方法首先利用SSA算法剔除极移时序信号的高频噪声项,随后充分考虑未来不同预测天数的场景特征变化,通过级联架构实现前序子模型输出与后续子模型输入的误差抵偿传导,构建了多个子模型相互连接、逐级传递的级联式LSTM框架。利用1984—2024年的EOP 20 C04序列数据进行了试验验证,结果表明:对于1~10天的短期预报,本文方法在极移X和Y方向的预测结果的平均绝对误差(MAE)分别为1.70和0.93 mas,相较于递归LSTM模型的MAE分别降低了42.8%和48.1%,同时相较于SSA-递归LSTM模型的预报精度分别提升了11.1%和28.8%。此外,本文模型在未来6~10天的极移预报中具有显著优势,论证了本文方法可有效抑制预报误差积累,提高中后期预报精度,将模型预报结果应用于卫星轨道的天球坐标系与地球坐标系转换,显著提升了坐标转换精度。 展开更多
关键词 地球极移 短期预报 ssa 级联LSTM 去噪优化
在线阅读 下载PDF
基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型
4
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
基于SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究
5
作者 周宇 周明扬 +2 位作者 狄生奎 郭家骥 黄继源 《振动与冲击》 北大核心 2026年第3期115-123,共9页
针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥... 针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥梁异常监测数据修复方法。研究利用SSA对VMD中分解层数K和惩罚因子α进行寻优以获取准确结构响应,选择SSA对GRU关键超参数进行优化,通过训练使模型达到最佳状态后,将分解后的信号作为输入进行预测修复,以重构桥梁缺失监测数据,通过对比单一GRU模型、VMD-GRU模型预测结果,以均方根误差、平均绝对误差、平均绝对百分比误差和R^(2)作为误差指标来评价所提方法的科学性与实用性。研究表明,所提方法可在非经验指导下获得最佳参数组合,挠度测试集均方根误差为6.070 2%,应变测试集均方根误差仅为0.150 0%,该方法适用于桥梁异常或缺失监测数据的重构,能够提高数据质量和数据使用的正确率,为桥梁健康监测与决策提供方法基础。 展开更多
关键词 桥梁健康监测 异常监测数据 麻雀搜索算法(ssa) 变分模态分解(VMD) 门控循环单元(GRU) 数据重构
在线阅读 下载PDF
基于SSA-XGBoost算法的钻孔灌注桩泥浆失水性能预测
6
作者 张文博 《技术与市场》 2026年第2期77-82,共6页
粉质黏土区域使用钻孔灌注桩进行桥梁桩基础施工需要保证护壁泥浆的失水率在合理范围。为提高泥浆护壁效果,依托现场泥浆生产及室内检测数据,采用麻雀搜索算法(SSA)优化的极端梯度提升算法(XGBoost),建立了SSA-XGBoost钻孔灌注桩泥浆失... 粉质黏土区域使用钻孔灌注桩进行桥梁桩基础施工需要保证护壁泥浆的失水率在合理范围。为提高泥浆护壁效果,依托现场泥浆生产及室内检测数据,采用麻雀搜索算法(SSA)优化的极端梯度提升算法(XGBoost),建立了SSA-XGBoost钻孔灌注桩泥浆失水率预测模型,并对比了反向传播神经网络(BPNN)、支持向量机(SVM)、XGBoost、SSA-BP和SSA-SVM这5种算法模型的预测性能,以探究不同模型之间的预测性能差异。研究结果表明,SSA-XGBoost模型预测精度最高,均方根误差相较于SSA-BP、SSA-SVM和XGBoost分别减少了58.89%、70.29%和7.58%,预测精度相较于其他模型提升7%以上,模型的精度能够满足现场泥浆质量控制要求,可用于桥梁钻孔灌注桩泥浆配合比的调整。 展开更多
关键词 桥梁施工 钻孔灌注桩 泥浆护壁 失水率 麻雀搜索算法(ssa) 极端梯度提升算法(XGBoost) 配合比调整
在线阅读 下载PDF
采用IPCA-SSA-SVM方法的油浸式变压器热点温度预测模型
7
作者 杨泉霖 陈志英 吴紫星 《厦门理工学院学报》 2026年第1期25-32,共8页
针对油浸式变压器热点温度传统预测方法忽略非线性因素、参数优化依赖经验等问题,提出一种采用改进主成分分析(IPCA)法与麻雀搜索算法(SSA)优化支持向量机(SVM)的变压器热点温度预测模型。该模型采用IPCA对高相关性输入参数进行降维,消... 针对油浸式变压器热点温度传统预测方法忽略非线性因素、参数优化依赖经验等问题,提出一种采用改进主成分分析(IPCA)法与麻雀搜索算法(SSA)优化支持向量机(SVM)的变压器热点温度预测模型。该模型采用IPCA对高相关性输入参数进行降维,消除冗余信息;利用SSA优化SVM的惩罚系数与核函数参数,提升模型泛化能力。采用10 kV油浸式变压器温升试验数据进行的热点温度预测结果表明,IPCA-SSA-SVM方法的均方根误差(RMSE)为0.1236℃,较传统SVM法降低71.5%,较SSA-SVM法降低54.6%,较IEEE导则法降低98.0%,显著优于3种对照方法。 展开更多
关键词 油浸式变压器 热点温度 预测模型 改进主成分分析法(IPCA) 支持向量机模型(SVM) 麻雀搜索算法(ssa)
在线阅读 下载PDF
基于Fisher-ISSA-BiLSTM的酗酒脑电信号分类研究
8
作者 吕卓言 黄丽亚 《现代电子技术》 北大核心 2026年第5期16-24,29,共10页
传统的脑电时频信号分类方法仅关注脑电信号的局部特性,没有充分探究不同脑区之间的关联特征,无法全面捕捉大脑活动的前后时间关联,存在对大脑理解不够全面、分类准确率不高等问题。文中基于加州大学尔湾分校提供的酗酒脑电数据集,运用... 传统的脑电时频信号分类方法仅关注脑电信号的局部特性,没有充分探究不同脑区之间的关联特征,无法全面捕捉大脑活动的前后时间关联,存在对大脑理解不够全面、分类准确率不高等问题。文中基于加州大学尔湾分校提供的酗酒脑电数据集,运用相位锁定值(PLV)构建功能脑网络,研究了α、β、γ、θ四个子频段和全频段的EEG脑网络拓扑特征,探究了酗酒者与健康对照者EEG脑网络的拓扑属性差异。同时,提出一种基于Fisher特征筛选和改良麻雀算法优化的BiLSTM分类算法(FisherISSA-BiLSTM),运用Fisher准则进一步筛选了脑网络特征,通过双向长短时记忆网络充分分析了脑电信号前后时序的关联性,运用改良的麻雀搜索算法(ISSA)优化BiLSTM的超参数。在原麻雀算法的基础上,引入Sobol映射的初始化方式,提升了麻雀种群的分布质量;加入搜索因子,避免算法过早地陷入局部最优;引入自适应方向因子d_(i,j)^(t),优化了麻雀跟随者位置的更新方向。相比其他超参数优化算法,文中算法分类所需时间减少了约4%~5%,分类准确率达92.6%,相比传统的LSTM分类算法提升了约20%,对于运用脑电信号识别酗酒患者具有一定的实际意义。 展开更多
关键词 EEG 功能脑网络 Fisher特征筛选 麻雀搜索算法 超参数优化 BiLSTM
在线阅读 下载PDF
基于SCSSA-CNN-BiLSTM神经网络的厌氧发酵产气预测
9
作者 甄箫斐 焦若楠 +1 位作者 董樾洋 詹寒 《环境工程技术学报》 北大核心 2026年第1期279-289,共11页
厌氧发酵作为一种高效的有机废物处理技术,能够将农业废物转化为沼气,实现资源的循环利用和能源的可持续供应。厌氧发酵过程受到反应底物碳氮比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量等因素的影响。为探究厌氧发酵的规律,进行混... 厌氧发酵作为一种高效的有机废物处理技术,能够将农业废物转化为沼气,实现资源的循环利用和能源的可持续供应。厌氧发酵过程受到反应底物碳氮比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量等因素的影响。为探究厌氧发酵的规律,进行混合原料厌氧发酵产气实验,反应底物中牛粪与玉米秸秆的配比分别为1:1、2:1、3:1,设置3组平行实验,以确保实验结果的可靠性和可重复性。创建了正余弦与柯西变异策略优化的麻雀搜索算法(SCSSA),并将其对卷积双向记忆神经网络(CNNBiLSTM)的超参数进行优化,选择反应时间、牛粪与玉米秸秆配比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量作为模型的输入参数,日产气量和日甲烷产量作为输出参数。结果表明,牛粪与玉米秸秆配比为3:1时,甲烷产量最多,配比1:1实验组次之,配比2:1实验组最小。基于SCSSA-CNN-BiLSTM混合原料厌氧发酵产气预测模型的日产气量准确率达95.29%,日甲烷产量准确率达95.87%,拟合优度(R^(2))达到了0.972。本研究解决了传统麻雀搜索算法模型易过早收敛导致陷入局部最优的问题,并提高了全局搜索能力,为实际实验提供了依据。 展开更多
关键词 牛粪 玉米秸秆 厌氧发酵 神经网络 麻雀搜索算法 产气预测
在线阅读 下载PDF
基于GWO-SSA混合算法的绳驱动蛇形臂结构优化设计
10
作者 夏楷捷 孙国瑞 汤腾飞 《轻工机械》 2026年第1期19-29,共11页
针对现有蛇形臂机器人尺度优化困难、单一元启发算法存在局限性等问题,课题组提出一种具有12自由度的绳驱动蛇形臂机器人及组合优化算法。采用具有2自由度(绕垂直轴旋转(Yaw)和绕横轴旋转(Pitch))的万向节关节结构,实现蛇形臂的灵活运动... 针对现有蛇形臂机器人尺度优化困难、单一元启发算法存在局限性等问题,课题组提出一种具有12自由度的绳驱动蛇形臂机器人及组合优化算法。采用具有2自由度(绕垂直轴旋转(Yaw)和绕横轴旋转(Pitch))的万向节关节结构,实现蛇形臂的灵活运动;基于D-H参数法与数值优化方法建立正/逆运动学模型,并利用蒙特卡洛法与网格搜索方法求解工作空间;提出融合灰狼优化算法(Grey Wolf Optimizer, GWO)与麻雀搜索算法(Sparrow Search Algorithm, SSA)的自适应混合优化策略,引入基于种群分布多样性的动态切换机制,以优化蛇形臂结构。研究结果表明:在受限工作场景下,蛇形臂可达工作空间体积提升了30%。课题组研制的绳驱动蛇形臂机器人结构轻便、模块化程度高,所提出的混合算法在收敛精度与稳定性方面均表现更优。 展开更多
关键词 蛇形臂机器人 万向节结构 绳驱动 工作空间 灰狼优化算法 麻雀搜索算法
在线阅读 下载PDF
基于SSA-VMD-BiLSTM-Attention的电力短期负荷预测研究
11
作者 林雄锋 苏丽莎 +2 位作者 李声云 彭智刚 董雯影 《自动化仪表》 2026年第2期81-85,93,共6页
电力负荷预测对于维护电网安全、稳定运行和制定高效的需求响应策略至关重要。为解决电力负荷影响因素多导致电力负荷难以准确预测的问题、提高电力负荷预测精度,提出一种利用麻雀搜索算法(SSA)分别优化变分模态分解(VMD)算法和双向长... 电力负荷预测对于维护电网安全、稳定运行和制定高效的需求响应策略至关重要。为解决电力负荷影响因素多导致电力负荷难以准确预测的问题、提高电力负荷预测精度,提出一种利用麻雀搜索算法(SSA)分别优化变分模态分解(VMD)算法和双向长短期记忆(BiLSTM)神经网络的短期负荷预测方法。首先,对原始数据进行预处理,清理异常值以防止对模型预测产生干扰。然后,利用SSA,分别优化VMD中的参数和BiLSTM中的部分超参数,防止人为选取的参数影响模型性能和预测精度。最后,在BiLSTM神经网络中引入注意力机制,增强对关键输入特征的重视程度。通过算例分析,引入误差评价参数后的结果表明,所提方法能够有效进行电力负荷预测,为维护电网安全、稳定运行和制定高效的需求响应策略提供准确数据。 展开更多
关键词 麻雀搜索算法 变分模态分解 双向长短期记忆 神经网络 注意力机制 负荷预测 误差评价
在线阅读 下载PDF
SSA-XGBoost模型的资源型城市热环境非线性影响因素分析 被引量：1
12
作者 范强 刘凯泽 张兵 《测绘科学》 北大核心 2025年第8期80-91,共12页
针对资源型城市热环境成因机制的复杂性以及高温挑战日益加剧问题,该文选择4个典型资源型城市为研究区,选取自然因素和人文因素作为影响因子,构建了基于麻雀搜索算法(SSA)优化的XGBoost回归模型,并结合SHAP解释机制量化各驱动因子对城... 针对资源型城市热环境成因机制的复杂性以及高温挑战日益加剧问题,该文选择4个典型资源型城市为研究区,选取自然因素和人文因素作为影响因子,构建了基于麻雀搜索算法(SSA)优化的XGBoost回归模型,并结合SHAP解释机制量化各驱动因子对城市热环境的影响。研究发现,所选因子对热环境的作用效果和贡献程度因城市的阶段性发展特征存在显著差异,这与城市化过程中地表覆被类型的空间差异具有密切关联;SHAP可解释性分析进一步揭示了各变量对热环境的具体影响,展现了模型在解释变量作用机制上的可靠性和透明性;SSA能够有效的对模型进行优化,构建的SSA-XGBoost模型的R^(2)均在0.9以上,表现出良好的稳定性和回归能力。该模型更精确地分析了资源型城市热环境非线性因素影响,为典型资源城市的建设和管理提供参考。 展开更多
关键词 热环境 地表温度 ssa-XGBoost 资源型城市 非线性回归 SHAP可解释
原文传递
基于SSA-RF模型的导水裂隙带发育高度的智能预测
13
作者 王忠昶 唐小航 +3 位作者 张文泉 王永军 范家煜 吕文茂 《煤炭科学技术》 北大核心 2025年第S2期288-299,共12页
在煤矿开采过程中,导水裂隙带的发育高度直接影响到矿井的水害风险,准确预测导水裂隙带的发育高度是确保采矿安全和有效资源开采的关键问题。然而,厚松散层薄基岩条件下的地质环境复杂,导致传统的预测方法如经验公式、理论分析等在实际... 在煤矿开采过程中,导水裂隙带的发育高度直接影响到矿井的水害风险,准确预测导水裂隙带的发育高度是确保采矿安全和有效资源开采的关键问题。然而,厚松散层薄基岩条件下的地质环境复杂,导致传统的预测方法如经验公式、理论分析等在实际应用中面临较大的局限性。为了精准预测厚松散层薄基岩下导水裂隙带的发育高度,在梳理厚松散层薄基岩条件下影响导水裂隙带发育高度的12个因素基础上,对定性因素(开采方法、底部含水层富水性)进行了量化预处理,构建了一种基于麻雀搜索算法(SSA)和随机森林(RF)的导水裂隙带的发育高度复合预测模型(SSA-RF)。模型采用袋外数据误差(OOB error)对随机森林回归模型的超参数进行迭代寻优,快速确定了随机森林回归模型的最优超参数,利用训练好的最优模型进行十折交叉实验,得出R^(2)为0.941,均方误差(MSE)为31.241,平均绝对误差(MAE)为3.56,3个关键性能指标上均优于SVM、BP-Network、Lasso、Elastic-Net和Ridge预测模型,其相对误差的模数值极小,且四分位数间距异常狭窄,SSA-RF模型在重复实验中展现出高度的稳定性和一致性,同时利用SSA-RF对12个影响因素进行重要度分析,通过重要性排序图和相关性热力图深入揭示了开采高度、开采方法、底部含水层水压、底部黏土层厚度等关键因素对导水裂隙带发育高度的影响,验证了SSA-RF模型可提高RF模型的预测指标重要度排序的合理性,能够为厚松散层薄基岩条件下导水裂隙带发育高度的准确预测提供有力的理论支撑。 展开更多
关键词 厚松散层薄基岩 导水裂隙带发育高度 ssa优化RF模型 超参数寻优 十折交叉实验 重要度排序
在线阅读 下载PDF
基于SSA-VMD-LSTM的架空输电线路动态载流量预测方法
14
作者 王帅 申杰文 +1 位作者 徐彬 朱振东 《电子测量技术》 北大核心 2025年第19期115-125,共11页
准确预测架空输电线路动态载流量是保障线路安全增容的关键。针对传统预测模型因依赖人工经验选择模型超参数,难以有效降低线路动态载流量波动性而导致的预测精度不佳问题,本研究创新性提出一种基于SSA-VMD-LSTM的预测方法。该方法深度... 准确预测架空输电线路动态载流量是保障线路安全增容的关键。针对传统预测模型因依赖人工经验选择模型超参数,难以有效降低线路动态载流量波动性而导致的预测精度不佳问题,本研究创新性提出一种基于SSA-VMD-LSTM的预测方法。该方法深度融合了SSA的全局优化能力、VMD的多尺度数据分解特性以及LSTM的时序建模优势,构建了一个层次化的人工智能预测模型。首先,利用SSA的强大搜索能力对VMD超参数进行迭代寻优,获取最优超参数;随后,采用VMD对线路动态载流量进行多尺度分解,得到一系列中心频率不同但局部平稳的分量;在此基础上,对多个分量分别建立LSTM进行预测;最后,将分量预测结果叠加得到最终预测结果。实验结果表明,与多个传统预测模型相比,所提方法的预测精度至少提升4.78%,充分验证了该方法在动态载流量预测中的有效性和优越性。 展开更多
关键词 架空输电线路 动态载流量 ssa VMD 超参数寻优
原文传递
基于ISSA-XGBoost的数字孪生变电站故障监测
15
作者 何锐 梁智 +2 位作者 戈一航 凌行龙 王应宇 《科技和产业》 2025年第17期100-107,共8页
随着智能电网的快速发展,传统变电站的监控方式已难以满足现代电网对高效、准确监控的需求。针对传统变电站监控信息准确率较低的问题,提出基于ISSA-XGBoost(改进麻雀搜索算法-极端梯度提升树)的数字孪生变电站故障监测。首先基于八叉... 随着智能电网的快速发展,传统变电站的监控方式已难以满足现代电网对高效、准确监控的需求。针对传统变电站监控信息准确率较低的问题,提出基于ISSA-XGBoost(改进麻雀搜索算法-极端梯度提升树)的数字孪生变电站故障监测。首先基于八叉树空间分割和NURBS(非均匀有理B样条)三维数字孪生(DT)体建模技术,建立数字孪生变电站模型。通过主成分分析提取关键数据特征,降低数据集的复杂性。结合变电站的运行模式,建立XGBoost的状态监测模型,通过改进的麻雀搜索算法寻找XGBoost的超参数,弥补传统XGBoost人工设定超参数的不足。变电站状态监测正确率达到96.45%,相较传统XGBoost监测正确率提高了8.11%,训练时间缩短了4.8%,ISSA-XGBoost模型故障监测精度更高、速度更快。实践表明,该方法能够更精确地对变电站电气设备的故障进行监测。 展开更多
关键词 变电站 数字孪生(DT) 主成分分析(PCA) 麻雀搜索算法(ssa) 极端梯度提升树(XGBoost)
在线阅读 下载PDF
融合SBAS-InSAR与SSA-BiGRU-ATT的排土场边坡形变监测与预测——以吉林郭勒某露天矿排土场为例
16
作者 李如仁 王跃 +1 位作者 黄二东 肖大勇 《东华理工大学学报(自然科学版)》 北大核心 2025年第5期473-484,共12页
露天矿区排土场边坡内部作用机理复杂,以吉林郭勒某露天矿排土场为例,进行边坡形变监测与预测,预防滑坡等地质灾害的发生,进而保障矿山安全生产。首先,借助短基线集干涉测量(SBAS-InSAR)技术提取2 a时序形变信息,拾取特征点累计形变量与... 露天矿区排土场边坡内部作用机理复杂,以吉林郭勒某露天矿排土场为例,进行边坡形变监测与预测,预防滑坡等地质灾害的发生,进而保障矿山安全生产。首先,借助短基线集干涉测量(SBAS-InSAR)技术提取2 a时序形变信息,拾取特征点累计形变量与GPS监测结果比对,初步甄别排土场滑坡隐患体;其次,将降雨量与沉降量关联,通过周期项位移曲线分析两者波动关联特性;最后,构建注意力机制下麻雀搜索算法双向门控循环单元神经网络(SSA-BiGRU-ATT)预测模型,同时引入意力机制下双向门控循环单元神经网络模型(BiGRU-ATT)、双向门控循环单元神经网络模型(BiGRU)和长短期记忆模型(LSTM)验证模型适用性。结果表明,SBAS-InSAR技术对排土场边坡形变监测满足精度要求,误差棒指标揭示出其与GPS实测数据间最大绝对误差为6.03 mm,均方根误差为2.87 mm;排土场中部和南部共出现3处明显沉降区域,最大累计形变量分别为100.68、97.46、91.74 mm;降雨量为排土场边坡形变主要诱因,两者呈正相关周期性波动;4类模型中,SSA-BiGRU-ATT模型训练集与测试集拟合度高,收敛速度快,预测精度较优,3个特征点预测结果最大值的均方根误差小于2.76 mm,平均绝对误差小于1.63 mm,平均绝对百分比误差小于2.75%。预测结果可准确反映沉降特性和波动趋势,为排土场边坡形变监测及灾害预警提供技术支撑。 展开更多
关键词 排土场滑坡 短基线集干涉测量 动态形变监测 沉降预测 ssa-BiGRU-ATT
在线阅读 下载PDF
基于BP-SSA算法的大学生体质健康水平评价模型研究
17
作者 赵莹 《合肥师范学院学报》 2025年第5期171-174,180,共5页
随着经济和社会的不断发展,大学生体质的培养受到了广泛的关注。然而,传统的身体素质评价方法存在一些不足,如评价指标单一,评价结果不准确等。针对这一问题,研究提出利用误差反向传播算法与麻雀搜索算法,构建一种大学生体质健康水平评... 随着经济和社会的不断发展,大学生体质的培养受到了广泛的关注。然而,传统的身体素质评价方法存在一些不足,如评价指标单一,评价结果不准确等。针对这一问题,研究提出利用误差反向传播算法与麻雀搜索算法,构建一种大学生体质健康水平评价模型。经过对比试验,结果表明,该算法的准确率最高可达到96%,优于对比算法。研究提出的大学生体质健康水平评价模型的F值与G值分别为86%、92%,优于对比模型。综上,研究提出的基于改进麻雀算法的大学生体质健康水平评价模型,能够有效地提高我国大学生体质健康评估的准确率和工作效率。 展开更多
关键词 BP算法 ssa算法 大学生体质 评价模型
在线阅读 下载PDF
基于Elman神经网络和SSA-BP神经网络的空气质量指数预测类比研究
18
作者 尤游 《哈尔滨师范大学自然科学学报》 2025年第4期67-75,共9页
针对空气质量预测中监测数据的动态性以及BP神经网络训练的局限性等问题,依次提出Elman神经网络和SSA-BP神经网络来优化模型.首先基于空气质量数据的动态变化特征,通过构建Elman神经网络来优化BP算法,其优势在于增加的承接层可以作为延... 针对空气质量预测中监测数据的动态性以及BP神经网络训练的局限性等问题,依次提出Elman神经网络和SSA-BP神经网络来优化模型.首先基于空气质量数据的动态变化特征,通过构建Elman神经网络来优化BP算法,其优势在于增加的承接层可以作为延时算子来存储记忆信息,提升了动态数据处理的敏感度.其次利用麻雀搜索算法(SSA)优化BP网络,通过全局寻优获得最佳权阈值,避免了BP网络初始权阈值选取的随机性,解决了其局部极小化问题,并提升了网络收敛速度.最后以合肥市为例进行仿真实验,得出结论:SSA-BP神经网络的MAE、MSE、RMSE和MAPE四个预测评价指标最优,其次是Elman神经网络,最后是BP神经网络.说明上述两种优化模型为空气质量预测提供了新思路,具有一定的可行性. 展开更多
关键词 空气质量指数 ELMAN神经网络 麻雀搜索算法 ssa-BP神经网络 预测精度
在线阅读 下载PDF
基于DC-CNN-PE-SSA-Informer的电缆缆芯温度预测研究 被引量：2
19
作者 鲍克勤 赵欣妍 +2 位作者 刘擘 王仕博 郝海斌 《昆明理工大学学报(自然科学版)》 北大核心 2025年第2期116-125,共10页
针对电缆缆芯温度不易直接测量,且预测精确度不足的问题,本文提出了DC-CNN-PE-SSA-Informer混合预测模型,该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力,并将提取的特征传递至Informer模块以捕获长期依赖关... 针对电缆缆芯温度不易直接测量,且预测精确度不足的问题,本文提出了DC-CNN-PE-SSA-Informer混合预测模型,该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力,并将提取的特征传递至Informer模块以捕获长期依赖关系,通过引入相对位置编码(PE)加强Informer模型对时间序列中相对位置信息的捕捉能力,最后由麻雀搜索算法(SSA)进行参数优化。通过对电缆温度场进行有限元分析,求解出不同条件下的缆芯温度作为仿真实验的样本数据。仿真结果表明,DC-CNN-PE-SSA-Informer模型相比常见的预测模型在电缆缆芯温度预测方面具有更高的预测精度,为电力调度的运行方式提供了依据。 展开更多
关键词 电力电缆 温度预测 扩展因果卷积网络(DC-CNN) INFORMER 麻雀搜索算法(ssa) 位置编码(PE)
原文传递
基于SSA-Elman神经网络的爆破振动速度预测 被引量：1
20
作者 王晗 闫鹏 +3 位作者 张云鹏 巩瑞杰 袁腾 杨曦 《工程爆破》 北大核心 2025年第3期140-150,共11页
为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结... 为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结果表明,与Elman神经网络预测模型相比,X、Y以及Z方向的爆破振动速度SSA-Elman神经网络预测模型的预测值和实测值更接近,均方根误差(RMSE)以及平均绝对误差(MAE)较小,S_(RMSE)分别减少了54.2%、9.3%、34%,S MAE分别减少了50%、5.7%、21%,说明采用SSA优化Elman神经网络权值和阈值的方法,可以提高Elman神经网络预测模型的精度。 展开更多
关键词 爆破振动预测 ELMAN神经网络 麻雀搜索(ssa)算法 灰色综合关联度分析
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 … 80 下一页 到第 页
使用帮助 返回顶部