基于SSA-CNN的航空器着陆跑道占用时间预测 被引量：3

1

作者 陈亚青 李颖哲 +1 位作者 赵瑞 高浩然 《科学技术与工程》 北大核心 2024年第7期2813-2820,共8页

国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time,AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取... 国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time,AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取的卷积神经网络(convolutional neural networks,CNN)对AROT进行预测,针对CNN容易陷入局部最优等缺点,采用麻雀搜索算法(sparrow search algorithm,SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder,QAR)的记录作为数据源,涵盖机场数目为34个。根据QAR数据分析AROT影响因素,构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强,与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。 展开更多

关键词 跑道占用时间 跑道容量 ssa-cnn模型 QAR数据

在线阅读 下载PDF 职称材料

基于SSA-CNN-LSTM的井下压力脉冲信号识别

2

作者 姜盼琴 刘兴斌 +2 位作者 姜志诚 李善文 何壮 《测井技术》 2025年第3期388-400,共13页

针对智能分层注水系统中,无线压力脉冲信号因受井下传感器噪声干扰、流体湍流扰动及管壁摩擦效应等因素影响,导致信号失真和误码率升高的问题,设计了一种融合麻雀搜索算法(Sparrow Search Algorithm,SSA)与卷积长短期记忆网络(Convoluti... 针对智能分层注水系统中,无线压力脉冲信号因受井下传感器噪声干扰、流体湍流扰动及管壁摩擦效应等因素影响,导致信号失真和误码率升高的问题,设计了一种融合麻雀搜索算法(Sparrow Search Algorithm,SSA)与卷积长短期记忆网络(Convolutional Long Short-Term Memory Network,CNN-LSTM)的混合预测模型。该模型通过CNN(Convolutional Neural Network)模块提取压力脉冲的局部空间特征,如陡峭上升沿与震荡波形,结合LSTM(Long Short-Term Memory)层解析周期性泵阀操作的长程依赖,并利用SSA算法对学习率、正则化系数及隐藏层节点数这3个超参数进行自适应优化,以提升噪声背景下的信号特征解耦能力。使用智能分层注水项目实验数据集进行对比实验,发现SSA-CNN-LSTM算法模型在拟合能力和预测准确性上均优于传统LSTM、CNN-LSTM及PSO(Particle Swarm Optimization)-CNN-LSTM模型,其决定系数R^(2)高达99%,且平均绝对误差(M_(AE))、均方误差(M_(SE))分别低至0.011483 MPa、0.000291 MPa^(2)。实验结果表明,该模型通过时空特征融合与参数自适应优化机制,有效抑制了井下非稳态干扰对压力脉冲预测的精度衰减,为智能注水系统无线传输场景提供了一种高鲁棒性信号处理方案,验证了复杂工况下工业时序数据解析的技术可行性,为井下智能装备的实时监测与精准控制提供了理论支撑。 展开更多

关键词 智能分层注水 无线压力脉冲信号 麻雀搜索算法(SSA) 卷积神经网络(CNN) 长短期记忆网络(LSTM)

在线阅读 下载PDF 职称材料

基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型

3

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 职称材料

基于SMOTE-SSA-CNN的煤矿用变压器DGA故障诊断方法 被引量：2

4

作者 张化昭 朱建武 +2 位作者 邱日强 彭明聪 林江 《煤矿机械》 2024年第12期172-176,共5页

为了提高基于油中溶解气体分析(DGA)的煤矿用变压器故障识别精确性,提出了一种基于SMOTE-SSA-CNN的煤矿用变压器DGA故障诊断模型。首先,以煤矿用变压器油中溶解气体为基础数据,采用合成少数类样本过采样(SMOTE)算法对原始数据集进行样... 为了提高基于油中溶解气体分析(DGA)的煤矿用变压器故障识别精确性,提出了一种基于SMOTE-SSA-CNN的煤矿用变压器DGA故障诊断模型。首先,以煤矿用变压器油中溶解气体为基础数据,采用合成少数类样本过采样(SMOTE)算法对原始数据集进行样本扩充,解决原始数据集中正负样本严重失衡的问题;然后引入麻雀搜索算法(SSA)对卷积神经网络(CNN)的卷积核大小与数量、全连接层神经元数量、学习率等超参数进行优化,提高模型故障诊断结果的准确率;最后,通过算例分析对建立的SMOTE-SSA-CNN模型性能进行评估,验证了所提方法对煤矿用变压器故障诊断的有效性,且与传统故障诊断方法相比,所提方法的收敛性较好,精度较高。 展开更多

关键词 煤矿用变压器 DGA SMOTE SSA CNN

原文传递

基于SSA-CNN的电力变压器故障智能诊断方法 被引量：2

5

作者 孔博 赵占军 +1 位作者 郭海波 杨沛豪 《电工技术》 2024年第23期190-195,199,共7页

故障诊断是电力变压器运维过程中的必要环节,油中溶解气体分析是判断电力变压器故障类型的最有效方法之一。以油中溶解气体分析为核心,提出一种基于麻雀搜索算法优化卷积神经网络(SSA-CNN)的电力变压器故障智能诊断方法。由于当前主流... 故障诊断是电力变压器运维过程中的必要环节,油中溶解气体分析是判断电力变压器故障类型的最有效方法之一。以油中溶解气体分析为核心,提出一种基于麻雀搜索算法优化卷积神经网络(SSA-CNN)的电力变压器故障智能诊断方法。由于当前主流采用的人工选取卷积神经网络(CNN)模型超参数会影响诊断结果的精准程度,因此引入麻雀搜索算法(SSA)实现卷积神经网络中的超参数寻优。实验测试结果表明,与传统的人工智能方法相比,经过麻雀搜索算法优化后的卷积神经网络在电力变压器故障诊断中准确率更高,同时具有更高的寻优效率。 展开更多

关键词 电力变压器 故障诊断 卷积神经网络 麻雀搜索算法 超参数寻优

在线阅读 下载PDF 职称材料

基于SMOTE-SSA-CNN的开关柜故障诊断方法 被引量：1

6

作者 张玮 《电气传动》 2024年第10期83-89,共7页

开关柜多源监测数据包含丰富的设备运行状态信息,对其进行分析可实现开关柜故障诊断。提出一种基于SMOTE-SSA-CNN的开关柜故障诊断方法。首先,以开关柜电压、电流和温湿度等监测数据为基础,采用合成少数类样本过采样技术(SMOTE)算法对... 开关柜多源监测数据包含丰富的设备运行状态信息,对其进行分析可实现开关柜故障诊断。提出一种基于SMOTE-SSA-CNN的开关柜故障诊断方法。首先,以开关柜电压、电流和温湿度等监测数据为基础,采用合成少数类样本过采样技术(SMOTE)算法对原始数据集进行样本扩充,解决原始数据集中正负样本严重失衡的问题;然后引入麻雀搜索算法(SSA)对卷积神经网络(CNN)的卷积核大小与数量、全连接层神经元数量、学习率等超参数进行优化,提高模型故障诊断结果的准确率;最后,通过算例分析对建立的SMOTE-SSA-CNN模型性能进行评估,验证了所提方法对开关柜故障诊断的有效性,且与传统故障诊断方法相比,所提方法的收敛性较好,精度较高。 展开更多

关键词 开关柜 多源监测数据 合成少数类样本过采样技术算法 麻雀搜索算法 卷积神经网络

在线阅读 下载PDF 职称材料

基于SSA-CNN-BiLSTM组合模型的短时交通流量预测 被引量：3

7

作者 陆由付 孔维麟 +2 位作者 田垚 王庆斌 牟振华 《交通运输研究》 2024年第1期18-27,共10页

为改善城市道路交通拥堵状况,并为智能交通系统决策提供辅助手段,针对短时交通流的非线性和时序性特点,构建了一种基于麻雀搜索算法(SSA)优化的卷积神经网络(CNN)联合双向长短时记忆神经网络(BiLSTM)的组合模型以预测短时交通流量。首先... 为改善城市道路交通拥堵状况,并为智能交通系统决策提供辅助手段,针对短时交通流的非线性和时序性特点,构建了一种基于麻雀搜索算法(SSA)优化的卷积神经网络(CNN)联合双向长短时记忆神经网络(BiLSTM)的组合模型以预测短时交通流量。首先,对原始交通流数据进行异常值清洗、小波阈值去噪和归一化处理。然后,利用SSA算法对CNN与BiLSTM组合网络中的隐藏层单元数、初始学习率和L2正则化系数三个超参数迭代寻优。最后,将搜索得到的最优超参数组合输入搭建好的组合网络中进行训练和预测。实验结果显示:与粒子群优化(PSO)和灰狼优化(GWO)算法相比,SSA算法在网络超参数寻优过程中的收敛速度更快,全局寻优能力更强;与3种对比模型(CNNBiLSTM、BiLSTM和LSTM)相比,在5 min时间尺度划分下,SSA-CNN-BiLSTM组合模型的均方根误差(RMSE)分别降低了5.46、12.78、20.38,平均绝对百分比误差(MAPE)分别降低了0.49%、2.24%、3.11%;在15 min时间尺度划分下,SSA-CNN-BiLSTM组合模型的RMSE分别降低了9.70、28.42、41.18,MAPE分别降低了0.50%、1.98%、2.59%。研究表明,相比既有算法,该短时交通流量预测组合模型在精度和稳定性上都有所提升,可通过提供更精准的短时交通出行信息来改善道路交通状况。 展开更多

关键词 智能交通 交通流预测 卷积神经网络 城市道路 麻雀搜索算法 双向长短时记忆神经网络

在线阅读 下载PDF 职称材料

基于太赫兹成像的层状复合绝缘结构内部分层缺陷SSA-CNN定量表征 被引量：2

8

作者 朵文博 李宏伟 +4 位作者 李帅兵 杨栋 卢保朋 康永强 曹炳磊 《电气工程学报》 CSCD 2023年第3期63-72,共10页

层状复合绝缘结构内部分层缺陷的几何形状和位置在运行过程中会引发场强畸变,引发局部放电乃至绝缘击穿等故障,因此对层状复合绝缘件内部分层程度进行准确检测具有重要意义。首先利用太赫兹光谱对含分层缺陷的层状复合绝缘结构进行频域... 层状复合绝缘结构内部分层缺陷的几何形状和位置在运行过程中会引发场强畸变,引发局部放电乃至绝缘击穿等故障,因此对层状复合绝缘件内部分层程度进行准确检测具有重要意义。首先利用太赫兹光谱对含分层缺陷的层状复合绝缘结构进行频域成像,得到典型分层缺陷图像集;在此基础上,采用DCGAN模型对图像扩充并建立数据集,实现样本扩充和均衡化;最后,通过三种SSA-CNN(语义自注意)模型对缺陷样本中的分层区域缺陷的几何面积进行了计算分析。结果表明,DeepLabV3+(MobileNetV2)模型的像素精确度最高,对分层区域的识别率可达97.59%,通过像素点的计算可成功表征分层区域缺陷的几何尺寸。研究结果可为层状复合绝缘结构内部分层缺陷的非接触式定量表征提供技术参考。 展开更多

关键词 太赫兹无损检测技术 分层缺陷识别 ssa-cnn DeepLabV3+ MobileNetV2

在线阅读 下载PDF 职称材料

基于SSA-CNN的长距离矿浆管道临界流速预测 被引量：5

9

作者 张新生 贺凯璐 《安全与环境学报》 CAS CSCD 北大核心 2022年第5期2524-2531,共8页

针对长距离矿浆管道临界流速计算难度大、传统经验公式预测精度低且适用性差等问题,提出了一种基于麻雀搜索算法(SSA)-卷积神经网络(CNN)的矿浆管道临界流速预测模型。首先,分析矿浆管道临界流速的影响因素,选取4个主要影响因素作为模... 针对长距离矿浆管道临界流速计算难度大、传统经验公式预测精度低且适用性差等问题,提出了一种基于麻雀搜索算法(SSA)-卷积神经网络(CNN)的矿浆管道临界流速预测模型。首先,分析矿浆管道临界流速的影响因素,选取4个主要影响因素作为模型特征;然后,利用SSA算法对CNN模型中的8个超参数进行迭代寻优,消除人为设置参数的不确定性;最后,将优化后的CNN模型用于临界流速的预测,以某一水平矿浆管道试验段为例进行实证研究。结果表明,SSA-CNN模型残差平方和为0.0283,平均绝对百分误差为4.19%,平均绝对误差为0.0540,与LSSVM、SSA-BP和CNN模型相比,该模型的预测精度更高,学习和泛化能力更强,为矿浆管道输送研究提供了一种新思路。 展开更多

关键词 安全工程 矿浆管道 临界流速 麻雀搜索算法(SSA) 卷积神经网络(CNN)

原文传递

基于SSA-CNN-BiGRU-Attention的超短期风电功率预测模型 被引量：11

10

作者 李青 张新燕 +2 位作者 马天娇 张正 李志潭 《电机与控制应用》 2023年第5期61-71,共11页

针对风电功率预测精度较低的问题,提出一种融合奇异谱分析(SSA)、卷积神经网络(CNN)、双向门控循环单元(BiGRU)及Attention机制的组合预测模型。为抑制风电功率随机波动特性带来的预测功率曲线滞后性问题,采用SSA方法将原始数据序列分... 针对风电功率预测精度较低的问题,提出一种融合奇异谱分析(SSA)、卷积神经网络(CNN)、双向门控循环单元(BiGRU)及Attention机制的组合预测模型。为抑制风电功率随机波动特性带来的预测功率曲线滞后性问题,采用SSA方法将原始数据序列分解为一系列相对平稳的子分量,并基于各分量模糊熵(FE)值完成各分解分量的有效重构;构建了CNN-BiGRU-Attention模型并用于各重构分量建模预测,其中,CNN网络用以实现各重构分量高维数据特征的有效提取,BiGRU网络用以完成CNN获取的关键特征向量非线性动态变化规律的有效捕捉,Attention机制的引入用于加强对功率数据关键特征的有效学习;通过叠加基于CNN-BiGRU-Attention模型的各重构分量预测值得到最终预测结果。以新疆哈密地区风电场实际运行采集数据为试验样本进行算例分析,结果表明,所提方法可有效缓解风电功率预测结果滞后现象,预测精度全面优于其他预测方法。 展开更多

关键词 风电功率预测 奇异谱分析 卷积神经网络 双向门控循环单元 Attention机制

在线阅读 下载PDF 职称材料

电潜泵剩余使用寿命预测集成学习算法研究

11

作者 郑文培 周少杰 +1 位作者 王颖君 周涛涛 《电子测量与仪器学报》 北大核心 2025年第3期13-20,共8页

电潜泵采油是目前海上油田最主要的采油方式之一,其故障会影响油井正常生产运行并造成经济损失,因此,进行电潜泵剩余使用寿命预测与故障预防尤为重要。为保障电潜泵优质运行,根据电潜泵的数据特征,提出一种基于集成学习模型的剩余使用... 电潜泵采油是目前海上油田最主要的采油方式之一,其故障会影响油井正常生产运行并造成经济损失,因此,进行电潜泵剩余使用寿命预测与故障预防尤为重要。为保障电潜泵优质运行,根据电潜泵的数据特征,提出一种基于集成学习模型的剩余使用寿命预测方法。首先计算各时间点剩余使用寿命作为标签函数,利用随机森林算法筛选高贡献度特征参数输入模型,构建由麻雀搜索算法-卷积神经网络(SSA-CNN)和麻雀搜索算法-长短期记忆(SSA-LSTM)两个基模型经绝对误差加权组成的集成模型。现场数据验证表明,两个基模型算法在不同情况下具备各自的优势和劣势,SSA-CNN在数据波动期更具优势,SSA-LSTM整体预测更为准确,将相同数据代入集成模型中,发现集成模型的预测误差明显小于两个基模型的预测误差兼具两者优势,在整体精度和变化阶段的评估准确率方面均有显著改善。实际算例验证表明,集成模型的预测精度相较基模型提升6.41%,较现有方法有显著提升,具备较强的鲁棒性和稳定性。 展开更多

关键词 电潜泵 ssa-cnn SSA-LSTM 集成学习模型

原文传递

基于改进LSTM的网络入侵检测方法 被引量：3

12

作者 黄亮 陶达 +2 位作者 王秀木 刘静闻 刘也凡 《计算机测量与控制》 2025年第2期63-70,共8页

随着网络数据的增加,以及黑客技术的不断发展,网络入侵检测技术的精度以及效率需要进一步提升;针对此问题,提出一种基于逃避网络数据和改进长短时记忆网络的网络入侵检测模型;该模型将黑客入侵过程中产生的异常数据作为训练集和测试集;... 随着网络数据的增加,以及黑客技术的不断发展,网络入侵检测技术的精度以及效率需要进一步提升;针对此问题,提出一种基于逃避网络数据和改进长短时记忆网络的网络入侵检测模型;该模型将黑客入侵过程中产生的异常数据作为训练集和测试集;之后利用麻雀优化算法改进长短时记忆网络模型,并将其与卷积神经网络结合,通过强化学习进一步提升模型的检测精度;实验结果表明,基于改进长短时记忆网络的入侵检测模型的检测准确率达到了98.51%,且响应时间仅为0.84 s,漏报率和误报率分别为1.23%和0.36%;该网络入侵检测模型能够实现高效的网络入侵检测,实时保障网络安全,实现网络入侵防御,为网络安全提供可靠的技术支持;该方法在网络攻防领域具有积极意义,为相关领域研究提供了新的思路。 展开更多

关键词 逃避行为 网络入侵 检测 LSTM SSA算法 CNN 强化学习

在线阅读 下载PDF 职称材料

基于CNN-SSA-GRU的位置指纹定位方法研究

13

作者 吴兰 胡家傲 《计算机仿真》 2025年第1期323-328,366,共7页

针对现有位置指纹定位方法不能充分利用指纹数据中的特征信息以及训练过程中关键参数需要人为确定导致定位精度不高的问题,利用卷积神经网络(CNN)提取指纹数据中的空间特征信息并构造成特征向量,再利用门控循环神经网络(GRU)提取特征向... 针对现有位置指纹定位方法不能充分利用指纹数据中的特征信息以及训练过程中关键参数需要人为确定导致定位精度不高的问题,利用卷积神经网络(CNN)提取指纹数据中的空间特征信息并构造成特征向量,再利用门控循环神经网络(GRU)提取特征向量中的时间特征,建立特征融合的位置指纹定位模型进行定位,以提高定位精度。同时利用麻雀搜索算法(SSA)对GRU网络训练过程中的关键参数进行最佳寻优,降低人为设置训练参数对模型定位效果的影响,进一步提高模型的定位精度。实验分析表明,提出的CNN-SSA-GRU指纹定位方法平均误差在1.351m,与传统指纹定位方法相比定位精度更高,能够满足实际定位需求。 展开更多

关键词 指纹定位 卷积神经网络 麻雀搜索算法 门控循环神经网络

在线阅读 下载PDF 职称材料

基于SSA-BiGRU-CNN神经网络和波动数据修正的电动汽车短期负荷预测模型 被引量：1

14

作者 张钰声 曹敏 +1 位作者 雷宇 李龙 《电网与清洁能源》 北大核心 2025年第2期67-74,共8页

为提高区域级电动汽车负荷预测精度,考虑了历史负荷数据自身的内在联系以及天气因素所带来的波动影响,提出一种基于麻雀搜索算法的双向门控循环单元(bidirectional gaterecurrentunit,BiGRU)-卷积神经网络(convolutional neural network... 为提高区域级电动汽车负荷预测精度,考虑了历史负荷数据自身的内在联系以及天气因素所带来的波动影响,提出一种基于麻雀搜索算法的双向门控循环单元(bidirectional gaterecurrentunit,BiGRU)-卷积神经网络(convolutional neural network,CNN)的电动汽车短期负荷预测模型。构建BiGRU-CNN模型,并应用麻雀搜索算法(sparrowsearch algorithm,SSA)对BiGRU神经网络参数进行优化;利用BiGRU神经网络充分学习历史负荷数据的前、后向联系,采用CNN对历史负荷数据进行局部优化,并通过全连接层进行预测;考虑到天气数据内部规律性不强,采用BiGRU-CNN神经网络对天气数据所带来的负荷波动进行误差预测和修正。以陕西某区域电动汽车充电站为例,分别预测预见期为4 h和24 h的电动汽车负荷,实验结果表明,所提模型无论在工作日还是双休日都具有很高的预测精度,验证了所提方法的有效性。 展开更多

关键词 电动汽车 负荷预测 双向门控循环单元 卷积神经网络 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于SSA-VMD-CNN-BiGUR的矿区负荷预测 被引量：1

15

作者 邱岳 咸晓雨 +1 位作者 于向东 马永强 《能源与环保》 2025年第2期209-214,共6页

为提升矿区负荷预测精度,提出一种基于麻雀优化算法(Sparrow Search Algorithm,SSA)、变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络(Convolution Neural Networks,CNN)及双向门控循环单元(Bidirectional Gating Rec... 为提升矿区负荷预测精度,提出一种基于麻雀优化算法(Sparrow Search Algorithm,SSA)、变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络(Convolution Neural Networks,CNN)及双向门控循环单元(Bidirectional Gating Recurrent Unit,BiGRU)的矿区负荷预测模型。首先,通过麻雀优化算法基于样本熵对变分模态分解的最佳影响参数进行迭代寻优,将矿区负荷序列分解为稳定的负荷序列。其次,将得到稳定的负荷分量通过卷积循环网络对天气、电价等历史负荷影响数据进行特征挖掘,并构建BiGRU预测模型对稳定负荷分量进行预测,将所得预测结果重构得到最终的预测结果。最后,对某矿区真实用电负荷数据进行算例分析,采用3个评价指标与目前主流预测模型进行比较。预测效果更准确,验证了所提模型的准确性。 展开更多

关键词 麻雀优化算法 变分模态分解 矿区负荷预测 卷积神经网络 双向门控循环单元

在线阅读 下载PDF 职称材料

基于DC-CNN-PE-SSA-Informer的电缆缆芯温度预测研究 被引量：2

16

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-VMD和SDP的双通道CNN轴承故障识别方法 被引量：3

17

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 职称材料

基于改进麻雀搜索算法的短期光伏功率CNN-BiLSTM预测模型

18

作者 童宇轩 李灿 金超 《黑龙江电力》 2025年第4期315-320,376,共7页

针对当下短期光伏功率预测精度不高的问题,提出一种遵循“优化网络参数-特征提取-时序预测”的光伏功率预测模型。建立基于卷积神经网络(CNN)-双向长短期记忆网络(BiLSTM)的时序数据预测模型,提高网络记忆单元的数据处理效率和对时间序... 针对当下短期光伏功率预测精度不高的问题,提出一种遵循“优化网络参数-特征提取-时序预测”的光伏功率预测模型。建立基于卷积神经网络(CNN)-双向长短期记忆网络(BiLSTM)的时序数据预测模型,提高网络记忆单元的数据处理效率和对时间序列复杂交互关系的学习能力;引入正余弦策略和柯西变异策略对麻雀搜索算法(SSA)进行改进,并优化预测模型的网络参数,得到预测结果。算例结果表明,所提模型与其他传统模型相比对短期光伏功率的预测结果更为理想,拟合度达到99.94%,且有着更好的泛化能力。 展开更多

关键词 光伏功率预测 卷积神经网络 双向长短期记忆网络 麻雀搜索算法 正余弦和柯西变异策略

在线阅读 下载PDF 职称材料

基于VMD和优化CNN⁃GRU的锂电池剩余使用寿命间接预测 被引量：5

19

作者 徐达 王海瑞 朱贵富 《现代电子技术》 北大核心 2024年第2期133-139,共7页

准确预测锂电池的剩余使用寿命(RUL)对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络(GRU)不能有效提取数据间的深层特征等问题,提出一种基于间接健康因子的混合神经网络模型,即... 准确预测锂电池的剩余使用寿命(RUL)对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络(GRU)不能有效提取数据间的深层特征等问题,提出一种基于间接健康因子的混合神经网络模型,即融合变分模态分解(VMD)、一维卷积神经网络(1D‐CNN)和麻雀搜索算法(SSA)优化GRU的组合剩余使用寿命预测模型。采用NASA数据集验证所提模型的有效性,实验结果表明,相比于GRU、VMD‐GRU、VMD‐SSA‐GRU,所提模型具有较高的预测精度与更快的运行速度,可以应用于锂电池RUL预测。 展开更多

关键词 锂电池 剩余使用寿命预测 间接健康因子 变分模态分解 一维卷积神经网络 麻雀搜索算法 门控循环网络

在线阅读 下载PDF 职称材料