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344篇文章
< 1 2 … 18 >
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BP-SSA算法的大学生体质健康水平评价模型研究
1
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
2
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
3
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
4
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
5
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SSMO-SSA-LGBM算法的致密砂岩储层岩性识别
6
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RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：1
7
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ICEEMDAN和SSA-LSTM组合模型的电离层TEC预测 被引量：1
8
作者 张振国 孙希延 +1 位作者 纪元法 贾茜子 《全球定位系统》 2025年第1期48-59,共12页
针对电离层总电子含量(total electron content,TEC)具有非线性和非平稳性的特性及单一长短期记忆神经网络(long short-term memory,LSTM)模型在预测中存在精度不高且易陷入局部最优等问题,在改进的自适应噪声完备集合经验模态分解(impr... 针对电离层总电子含量(total electron content,TEC)具有非线性和非平稳性的特性及单一长短期记忆神经网络(long short-term memory,LSTM)模型在预测中存在精度不高且易陷入局部最优等问题,在改进的自适应噪声完备集合经验模态分解(improved complete ensemble EMD with adaptive noise,ICEEMDAN)和样本熵(sample entropy,SE)算法的基础上,结合麻雀搜索算法(sparrow search algorithm,SSA)和LSTM构建电离层TEC组合预测模型,并对太阳活动低年平静期和太阳活动高年扰动期电离层TEC连续5 d的预测精度分析.实验结果表明,本文组合模型相较于单一LSTM模型和SSA-LSTM模型在低太阳活动平静期和高太阳活动扰动期的不同经纬度下,均方根误差(root mean square error,RMSE)分别最大降低1.06 TECU和2.25 TECU,平均绝对误差(mean absolute error,MAE)分别最大降低了0.74 TECU和1.68 TECU,平均相对精度分别最大提升了7.63%和8.97%,组合模型的预测效果要明显优于单一LSTM模型和SSA-LSTM模型. 展开更多
关键词 电离层 总电子含量(TEC)预测 改进的自适应噪声完备集合经验模态分解(ICEEMDAN) 样本熵(SE) 麻雀搜索算法(ssa) 长短期记忆神经网络(LSTM)
在线阅读 下载PDF
基于SSA-XGBoost算法的停泵水锤防护优化
9
作者 葛冠江 侯庆志 +3 位作者 杨旭亮 TWIZEYIMAN AAbdulsalaam 黄锦林 马维成 《排灌机械工程学报》 北大核心 2025年第10期1016-1022,1030,共8页
针对长距离输水系统中的水锤防护问题,提出了一种基于麻雀搜索算法优化的XGBoost模型(SSA-XGBoost),并结合遗传算法(GA)构建单目标优化框架.通过优化气压水罐容积与空气阀孔径等关键防护参数,削减了负压并提升了系统安全性.在SSA优化的X... 针对长距离输水系统中的水锤防护问题,提出了一种基于麻雀搜索算法优化的XGBoost模型(SSA-XGBoost),并结合遗传算法(GA)构建单目标优化框架.通过优化气压水罐容积与空气阀孔径等关键防护参数,削减了负压并提升了系统安全性.在SSA优化的XGBoost模型中,预测相关系数最高可达0.989,误差控制在0.3%以内,预测性能优于传统模型.经GA全局优化后,最小水锤压力由-18.1 kPa提升至-4.7 kPa,改善幅度达74%.与传统建模方式相比,建模时间由780 s缩短至320 s,效率提升约59%.该方法可有效降低水锤风险,提升系统运行稳定性,为类似输水工程中防护装置参数的优化设计提供可推广的策略参考. 展开更多
关键词 长距离输水系统 水锤防护 智能算法 遗传算法 ssa-XGBoost
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：2
10
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
基于SSA-Elman神经网络的爆破振动速度预测
11
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-VMD和SDP的双通道CNN轴承故障识别方法 被引量：3
12
作者 蒋丽英 高铭悦 李贺 《机电工程》 北大核心 2025年第2期257-266,共10页
针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮... 针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮尔逊相关系数,构建了新的综合适应度函数,利用麻雀算法(SSA)进行了自适应寻优,确定了最佳的变分模态分解(VMD)参数K和α。将原始振动信号经过VMD分解后,得到了本征模态函数(IMF)分量,通过计算各IMF分量的峭度值进行了筛选,将筛选出的信号进行重构后得到了一维特征信号;然后,根据互相关系数选择了合适的对称点模式(SDP)参数值,将原始振动信号转化为极坐标下的SDP图像,获得了具有良好可分性的二维特征图;最后,将一维和二维特征作为双通道CNN的输入进行了联合训练,将训练好的网络用于故障类型识别,在西储大学和江南大学的轴承数据集上对其有效性进行了验证。研究结果表明:通过网络训练,其故障诊断的准确率分别达到了98.5%和100%。该结果验证了该方法在准确识别故障特征方面具有优越性和普适性。 展开更多
关键词 一维特征信号构建 二维特征转换 卷积神经网络 麻雀算法 变分模态分解 对称点模式
在线阅读 下载PDF
融合节假日及天气特征的VMD-SSA-LSTM的高铁站出租车需求预测
13
作者 徐志君 刘曦 +3 位作者 郭媛 王宝锋 吴雅倩 桂小林 《计算机应用》 北大核心 2025年第S1期121-126,共6页
针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列... 针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列数据,以解决高铁站客流量不平稳的问题;其次,利用麻雀搜索算法(SSA)简化长短期记忆(LSTM)网络参数的选择过程;最后,结合多种环境特征预测某高铁站的出租车需求。人工采集该高铁站出租车需求的时间序列数据以及天气和节假日等特征后的实验结果表明,构建的融合多种特征的VMD-SSA-LSTM模型的平均绝对误差(MAE)为0.920 3、均方根误差(RMSE)为1.289 5、平均绝对百分比误差(MAPE)为0.187 6%,而拟合优度(R2)为0.991 0,显示所提模型适用于铁路枢纽的出租车需求量短时预测。 展开更多
关键词 出租车需求预测 长短期记忆网络 变分模态分解 麻雀搜索算法
在线阅读 下载PDF
基于SSA-BP神经网络的公路养护预算定额编制研究
14
作者 赵武辉 王康 于利存 《青海交通科技》 2025年第1期104-109,共6页
为科学合理地使用公路养护资金,需要制订与之配套的公路养护预算定额。传统的定额编制多采用现场技术测定法,虽然能够准确地确定定额的消耗量,但需要投入大量的资源。为快速、准确地确定公路养护定额的消耗量,本文提出基于SSA-BP神经网... 为科学合理地使用公路养护资金,需要制订与之配套的公路养护预算定额。传统的定额编制多采用现场技术测定法,虽然能够准确地确定定额的消耗量,但需要投入大量的资源。为快速、准确地确定公路养护定额的消耗量,本文提出基于SSA-BP神经网络的定额消耗量预测方法。通过SSA算法对BP神经网络的权值及阈值进行优化,结合有限的定额现场技术测定数据,对SSA-BP神经网络预测模型进行训练和检验,并和BP神经网络预测模型进行对比分析。结果表明:SSA-BP神经网络预测模型对定额消耗量的拟合效果优异,能够有效预测公路养护作业定额人工、机械的消耗量,且SSA-BP神经网络预测模型的误差显著低于传统BP神经网络预测模型。 展开更多
关键词 ssa优化算法 BP神经网络 定额编制 公路养护工程
在线阅读 下载PDF
基于VMD-SSA-LSSVM组合的汽车NOx排放预测研究
15
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SSA-LightGBM的埋地油气管道平均腐蚀率预测模型
16
作者 张宽宽 王念念 方宏远 《中国市政工程》 2025年第1期26-28,33,142,143,共6页
腐蚀是油气管道损坏和泄漏的主要原因之一,准确预测腐蚀率对于管道安全至关重要。该研究建立了一种基于麻雀搜索算法(SSA)优化的LightGBM模型,用于预测油气管道的平均腐蚀率。同时,研究采用数据增强技术(SPDA)扩展数据集,提高模型的准... 腐蚀是油气管道损坏和泄漏的主要原因之一,准确预测腐蚀率对于管道安全至关重要。该研究建立了一种基于麻雀搜索算法(SSA)优化的LightGBM模型,用于预测油气管道的平均腐蚀率。同时,研究采用数据增强技术(SPDA)扩展数据集,提高模型的准确性和稳定性,并通过对比分析,评估了模型性能。研究中,首先利用麻雀搜索算法(SSA)对LightGBM模型的参数进行优化,形成SSA-LightGBM模型。该模型用于训练和预测油气管道的腐蚀率,并对预测结果的误差和稳定性进行分析。结果表明,SSA-LightGBM模型在预测油气管道平均腐蚀率方面具有较高的准确性和稳定性。此外,研究还将SSA-LightGBM模型的预测结果与LightGBM、GBRT、CatBoost、SSA-GBRT和SSA-CatBoost等模型的预测结果进行了对比。结果显示,SSA-LightGBM模型在准确性和稳定性方面表现最佳。 展开更多
关键词 油气管道 平均腐蚀率 LightGBM 麻雀搜索算法 SPDA
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
17
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SSA-BPNN的海底腐蚀管道极限承载力预测
18
作者 刘博 周卫军 马荣彬 《精细石油化工进展》 2025年第1期48-54,共7页
全面掌握海底腐蚀管道极限承载力的情况有利于指导该管道的安全运行。由于单一BP神经网络(BPNN)模型存在学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点,故采用麻雀搜索算法(SSA)来优化BPNN的初始权值和阈值,建立SSA-BPNN组... 全面掌握海底腐蚀管道极限承载力的情况有利于指导该管道的安全运行。由于单一BP神经网络(BPNN)模型存在学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点,故采用麻雀搜索算法(SSA)来优化BPNN的初始权值和阈值,建立SSA-BPNN组合模型预测极限承载力,并与BPNN模型、遗传算法优化的BPNN(GA-BPNN)模型和粒子群算法优化的BPNN(PSO-BPNN)模型进行对比。结果显示:SSA-BPNN模型的平均相对误差为1.2693%,远远好于其他模型;SSA-BPNN模型的预测结果与有限元法得到的结果进行线性拟合后与直线Y=X最为贴近,其决定系数为0.99948,说明SSA-BPNN模型是一种准确性高且稳定性良好的海底腐蚀管道极限承载力预测工具。 展开更多
关键词 海底腐蚀管道 极限承载力 有限元法 麻雀搜索算法(ssa) BP神经网络(BPNN)
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
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
基于SSA-VMD的配电网行波故障测距
20
作者 孙菁阳 庞清乐 +1 位作者 周泰 孔灏 《计算机仿真》 2025年第9期221-225,528,共6页
针对变分模态分解故障测距方法中惩罚参数α和模态个数K的取值依赖经验值而影响故障测距精度的问题,提出了一种基于麻雀搜索算法优化变分模态分解算法的配电网行波故障测距方法。使用SSA对VMD进行优化,得到最优参数组合[K,α];利用参数... 针对变分模态分解故障测距方法中惩罚参数α和模态个数K的取值依赖经验值而影响故障测距精度的问题,提出了一种基于麻雀搜索算法优化变分模态分解算法的配电网行波故障测距方法。使用SSA对VMD进行优化,得到最优参数组合[K,α];利用参数优化后的VMD对采集的线路故障电流行波信号进行处理,确定故障位置,完成故障测距。使用暂态仿真软件ATP搭建了10kV配电网系统,对所提出的故障测距方法进行验证,结果表明:该研究方法能够快速、精确地确定故障位置,提高了行波保护和故障测距的可靠性。 展开更多
关键词 故障测距 行波 麻雀搜索算法 变分模态分解
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 … 18 下一页 到第 页
使用帮助 返回顶部