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362篇文章
< 1 2 … 19 >
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SSA-BP神经网络的库区边坡变形时序预测研究
1
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SCSSA-CNN-BiLSTM神经网络的厌氧发酵产气预测
2
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SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究
3
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GWO-SSA混合算法的绳驱动蛇形臂结构优化设计
5
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-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
基于SSA-VMD-BiLSTM-Attention的电力短期负荷预测研究
7
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
采用IPCA-SSA-SVM方法的油浸式变压器热点温度预测模型
8
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BP-SSA算法的大学生体质健康水平评价模型研究
9
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ISSA-XGBoost的数字孪生变电站故障监测
10
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
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
11
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
12
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
13
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
基于SSA优化的变论域模糊PID控制器及其污水处理过程应用 被引量：1
14
作者 李志峰 熊伟丽 《计算机工程》 北大核心 2025年第7期339-347,共9页
由于复杂多变的生化反应、进水流量和浓度的不断变化,污水处理过程表现出强非线性和时变性等特征,从而导致其过程变量难以精确控制。设计一种麻雀搜索算法(SSA)优化的变论域模糊比例、积分和微分(PID)控制器,对溶解氧和硝态氮浓度进行... 由于复杂多变的生化反应、进水流量和浓度的不断变化,污水处理过程表现出强非线性和时变性等特征,从而导致其过程变量难以精确控制。设计一种麻雀搜索算法(SSA)优化的变论域模糊比例、积分和微分(PID)控制器,对溶解氧和硝态氮浓度进行跟踪控制。首先利用SSA优化第5单元和第2单元的变论域模糊PID控制器的PID初始参数值;然后进行二次寻优,即对量化因子和比例因子进行优化,并设计基于模糊规则的论域自适应调整策略在线整定控制器参数,以提高控制器的跟踪精度;最后应用污水处理过程国际基准仿真平台进行恒值和动态变值跟踪控制的实验验证。实验结果表明,与基于自适应伸缩因子变论域模糊PID控制器、模糊PID控制器、常规PID控制器相比,所设计控制器的绝对误差积分指标明显降低,在有效降低能耗的同时提升了出水水质。 展开更多
关键词 污水处理过程 麻雀搜索算法 变论域模糊 比例、积分、微分控制器 参数优化
在线阅读 下载PDF
基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型 被引量：2
15
作者 陈竞 张宏伟 王凯旋 《机电工程》 北大核心 2025年第8期1615-1624,共10页
作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记... 作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记忆神经网络(CNN-BiLSTM)的提升机制动系统故障诊断方法。首先,对矿井提升机制动系统的工作原理和故障原因进行了分析,确定了需要采集的监测数据;其次,搭建了基于SSA-CNN-BiLSTM的神经网络模型,其中CNN能够有效地捕捉数据的局部特征,同时提供关于全局的空间信息;LSTM网络主要用于获取数据在时间序列上的特征,BiLSTM则能够实现数据的双向传递目的,将这两者结合起来,可以在空间和时间两个维度上对数据进行复杂的特征提取和识别,从而提升模型的整体表现;SSA用于优化CNN-BiLSTM网络结构,寻找最优参数;最后,采集了提升机的运行数据,并对搭建的故障诊断模型进行了训练与测试,以某矿井提升机实际运行的数据开展了实验研究,并对SSA优化的CNN-BiLSTM和其他算法进行了性能对比。研究结果表明:SSA优化的CNN-BiLSTM神经网络模型准确率为95.7%,相比于CNN-BiLSTM、BiLSTM和CNN准确率分别提高了6.3%、11.2%和14.1%。该模型具有较高的预测性,可用于提升机制动系统的故障诊断。 展开更多
关键词 起重机械 矿井提升机 制动系统 麻雀搜索算法 卷积-双向长短时记忆神经网络 故障识别与分类
在线阅读 下载PDF
基于VMD-SSA-LSSVM组合的汽车NOx排放预测研究 被引量：1
16
作者 吐尔逊·买买提 刘亚楼 +2 位作者 成思怡 祖绍彭 赵江涛 《汽车电器》 2025年第7期114-116,共3页
汽车尾气排放是城市大气污染的主要来源之一,为提升排放预测模型精度及鲁棒性,文章提出构建VMD降噪和SSA-LSSVM组合预测模型。首先通过OBEAS1000车载尾气分析系统采集国V轻型汽油车在乌鲁木齐市河滩快速路的排放数据,经预处理后,利用VM... 汽车尾气排放是城市大气污染的主要来源之一,为提升排放预测模型精度及鲁棒性,文章提出构建VMD降噪和SSA-LSSVM组合预测模型。首先通过OBEAS1000车载尾气分析系统采集国V轻型汽油车在乌鲁木齐市河滩快速路的排放数据,经预处理后,利用VMD算法对排放序列降噪,结合SSA优化LSSVM模型参数,构建VMD-SSA-LSSVM组合模型,并与LSSVM、SSA-LSSVM、VMD-LSSVM模型对比。结果表明,组合模型在NOx预测上RMSE为0.00220、MAE为0.00172、MAPE为2.25%,较单一模型精度显著提升,能有效解析排放瞬态波动特征。 展开更多
关键词 VMD算法 ssa-LSSVM 组合预测模型 排放预测 NOx 鲁棒性
在线阅读 下载PDF
基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：2
17
作者 王显彬 孙阳 《机电工程》 北大核心 2025年第3期510-519,共10页
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。 展开更多
关键词 非线性振动信号 特征提取时间 故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入 麻雀搜索算法优化相关向量机
在线阅读 下载PDF
基于SSMO-SSA-LGBM算法的致密砂岩储层岩性识别
18
作者 孙婧 赵军龙 +3 位作者 张雨辰 金利睿 崔文洁 陈家鑫 《地质通报》 北大核心 2025年第5期935-948,共14页
【研究目的】现有岩性测井识别方法用于致密砂岩储层岩性识别时,存在岩性类别处理不均衡及敏感性不足问题。【研究方法】本文提出SSMO-SSA-LGBM模型,利用SVM-SMOTE过采样算法(简称SSMO)对训练集中岩性数据较少的样本进行平衡化处理,得... 【研究目的】现有岩性测井识别方法用于致密砂岩储层岩性识别时,存在岩性类别处理不均衡及敏感性不足问题。【研究方法】本文提出SSMO-SSA-LGBM模型,利用SVM-SMOTE过采样算法(简称SSMO)对训练集中岩性数据较少的样本进行平衡化处理,得到新合成样本,并将其与原始训练集组成新训练集,用于训练和构建LGBM模型,由于LGBM模型训练时使用较多超参数,因此采用麻雀优化搜索算法SSA对其进行超参寻优以获得最佳参数组合。以甘肃华池油田S区延10致密砂岩测井数据为基础,训练构建SSMO-SSA-LGBM模型,采用KNN、Adaboost、随机森林等模型进行对比。【研究结果】经SSMO模型平衡化后,LGBM模型对少数类识别性能增强;SSA算法全局优化搜索经较少次数迭代获得LGBM最优超参数;SSMO-SSA-LGBM模型预测性能达到最优,在验证井上岩性识别结果与取心资料符合率较高。【结论】采用SSMO算法能有效解决岩性类别非均衡给岩性预测结果带来的不利影响,SSA算法全局优化搜索经较少次数迭代获得LGBM算法最优超参数组合,使得模型预测性能达到最优,该模型在华池S区的应用效果较好。 展开更多
关键词 SSMO-ssa-LGBM算法 非均衡数据 岩性识别 致密砂岩储层 甘肃华池
在线阅读 下载PDF
基于改进SSA-BP神经网络的弹丸全弹道飞行时间预测 被引量：1
19
作者 郝博 徐才宪 +1 位作者 姜琦 杨斌 《火力与指挥控制》 北大核心 2025年第3期130-134,141,共6页
采用改进的麻雀搜索算法对BP神经网络的权值与阈值进行全局最优,在麻雀搜索算法中引入Tent混沌映射策略来初始化种群,同时引入高斯变异和高斯扰动策略以及自适应惯性权重策略,提高SSA算法跳出局部最优的能力和求解精度,以提高在弹道系... 采用改进的麻雀搜索算法对BP神经网络的权值与阈值进行全局最优,在麻雀搜索算法中引入Tent混沌映射策略来初始化种群,同时引入高斯变异和高斯扰动策略以及自适应惯性权重策略,提高SSA算法跳出局部最优的能力和求解精度,以提高在弹道系数、发射角度、风速和弹丸初速已知的条件下对弹丸全弹道飞行时间预测的准确性与稳定性。结果表明,改进SSA-BP预测模型提高了弹丸全弹道飞行时间预测的稳定性与准确性。 展开更多
关键词 弹丸全弹道飞行时间 BP神经网络 ssa优化算法 Tent混沌映射 高斯变异
在线阅读 下载PDF
变模态分解下SSA-LSTM组合的锂离子电池剩余使用寿命预测方法 被引量：5
20
作者 李嘉波 王志璇 +1 位作者 田迪 孙中麟 《储能科学与技术》 北大核心 2025年第2期659-670,共12页
锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition... 锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition,VMD)、麻雀优化算法(sparrow search algorithm,SSA)和长短期记忆网络(long short-term memory,LSTM)的组合预测算法对锂离子电池剩余寿命进行预测。首先,基于锂离子电池电流、电压以及温度曲线,提取等压差充电时间、等压差充电能量、放电温度峰值和恒流充电时间作为预测RUL的间接健康因子。其次,采用变模态分解法分解容量以避免容量回升的局部波动和测试噪声对RUL预测结果造成干扰。针对传统LSTM模型超参数设置易受到经验和随机性的影响,提出了麻雀优化算法对LSTM模型参数进行优化,以提升模型的预测能力。最后,应用NASA和CALCE数据集,将所提模型与其他模型进行对比。实验结果表明,锂离子电池RUL预测均方根误差控制在2%以内,所提方法具有较高的预测性能。 展开更多
关键词 锂离子电池 剩余使用寿命 变模态分解 麻雀优化算法 长短期记忆网络
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 … 19 下一页 到第 页
使用帮助 返回顶部