检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于混沌相空间重构上隅角瓦斯研究

能源与环境 2012年第2期 8-9,14页

作者：宋正杰贵州大学矿业学院贵州贵阳550003

针对工作面上隅角瓦斯实测数据,采用混沌相空间重构技术,提出工作面上隅角瓦斯预测的一种新方法,并成功预测了未来一段时间工作面上隅角瓦斯含量。实践证明这种方法是可行、可靠的,为煤矿瓦斯灾害的预测与治理提供可靠的信息。

关键词：上隅角混沌相空间重构预测技术

在线全文

学校读者我要写书评

暂无评论

混沌时间序列重构相空间参数选取研究

物理学报 2010年第3期59卷 1576-1582页

作者：张淑清贾健高敏韩叙燕山大学电气工程学院河北省测试计量技术及仪器重点实验室秦皇岛066004

基于重构相空间的延迟时间和嵌入维数这两个参数的选取不相关的观点,提出用互信息函数法确定延迟时间后,用CAO方法来确定嵌入维数的新思路.通过对几种典型的混沌动力学系统的数值验证,结果表明该方案能够确定出相空间重构的有效延迟时... 详细信息

基于重构相空间的延迟时间和嵌入维数这两个参数的选取不相关的观点,提出用互信息函数法确定延迟时间后,用CAO方法来确定嵌入维数的新思路.通过对几种典型的混沌动力学系统的数值验证,结果表明该方案能够确定出相空间重构的有效延迟时间和最佳嵌入维数.该方法能够从时间序列中有效地重构原系统的相空间,是混沌信号识别的一种有效途径.

关键词：混沌相空间重构互信息函数 CAO方法嵌入维数

在线全文

学校读者我要写书评

暂无评论

基于相空间重构和核主分量的水声信号增强

北京理工大学学报 2016年第3期36卷 271-276页

作者：党华仇异郭军强王卫江北京理工大学信息与电子学院北京100081

多径衰落是水声信道的主要特征,利用多径衰落信道具有的混沌行为,提出一种新的抗多径干扰的方法.建立基于混沌相空间的水声信道模型,利用核技巧φ(x)·φ(y)=k(x,y),通过核主分量分析提取相空间数据中累积贡献率达到90%的非线性核主分量... 详细信息

多径衰落是水声信道的主要特征,利用多径衰落信道具有的混沌行为,提出一种新的抗多径干扰的方法.建立基于混沌相空间的水声信道模型,利用核技巧φ(x)·φ(y)=k(x,y),通过核主分量分析提取相空间数据中累积贡献率达到90%的非线性核主分量,然后利用核主分量逆向投影回原相空间,通过去掉噪声干扰等次分量,提高水声衰落信号的信噪比.基于实测水声数据的仿真实验结果表明,该方法能将chirp水声信号信噪比提高7.76dB,达到对多径衰落水声信号增强的目的.

关键词：多径衰落混沌相空间重构核主分量分析水声

基于最优变分模态分解与相空间重构的LSTM船舶横摇运动预测

在线全文

学校读者我要写书评

暂无评论

船舶工程 2023年第12期45卷 68-74页

作者：张琴林欣如向阳胡雄上海海事大学物流工程学院上海200031

为提高船舶海上作业稳定性,需要精确预测船舶横摇运动,以增强船舶横摇补偿控制效果。建立了一种基于最优变分模态分解与相空间重构的长短时记忆神经网络船舶横摇运动预测模型。该模型利用最优变分模态分解方法,将船舶横摇运动数据分解... 详细信息

为提高船舶海上作业稳定性,需要精确预测船舶横摇运动,以增强船舶横摇补偿控制效果。建立了一种基于最优变分模态分解与相空间重构的长短时记忆神经网络船舶横摇运动预测模型。该模型利用最优变分模态分解方法,将船舶横摇运动数据分解成多个不同频率尺度且相对平稳的模态分量;基于最大Lyapunov指数对各模态分量进行混沌性判定;对非混沌分量进行单维LSTM预测,对混沌分量利用C-C方法重构相空间后进行多维LSTM预测;将所有分量预测结果线性组合,得到船舶横摇运动预测输出。通过仿真试验与ARIMA、BP、LSTM模型进行对比,结果验证了模型在提高船舶横摇运动预测精度方面的优越性。

关键词：船舶横摇运动预测最优变分模态分解混沌相空间重构长短时记忆神经网络

相空间重构和支持向量机结合的短期电力负荷预测研究

在线全文

学校读者我要写书评

暂无评论

相空间重构和支持向量机结合的短期电力负荷预测研究

作者：李昕中北大学

学位级别：硕士

近年来随着社会经济的发展，几乎所有的行业都对电力产生越来越旺盛的需求，在这个背景下对电网进行高精度的负荷预测可以更加精确的指导电厂的燃料供应工作计划，可以使得电网安全稳定运行。本文采用桂林市某地区的电力负荷作为研究对... 详细信息

近年来随着社会经济的发展，几乎所有的行业都对电力产生越来越旺盛的需求，在这个背景下对电网进行高精度的负荷预测可以更加精确的指导电厂的燃料供应工作计划，可以使得电网安全稳定运行。本文采用桂林市某地区的电力负荷作为研究对象。首先用混沌理论对负荷时间序列进行分析，然后用重构相空间的方法构造训练数据集和预测数据集。在此过程中使用改进的C-C方法求出嵌入维数和延迟时间。改进的C-C方法求解这两个参数过程简捷，同时也使得负荷预测的精度和准确度也有了提高。用小数据量法求出时间序列的最大李氏指数证明负荷数据具有混沌特性。然后用支持向量回归算法对电力负荷数据进行模型训练和负荷预测，用粒子群优化算法搜索影响支持向量回归的关键参数的最优值，将搜索结果同交叉验证-分步网格搜索法确定的最优参数进行对比，对比结果说明粒子群优化算法和交叉验证-分步网格法都可以确定最优参数，并且粒子群优化算法节省了大量的计算时间。将采用结合混沌相空间重构和支持向量回归方法的电力负荷预测的结果同BP神经网络和时间序列分析法预测的结果进行对比，得出如下结论：一点是工作日期间这三种预测方法都能达到较好的预测效果;第二点是在负荷变化较大的周日和重大节假日期间，用混沌相空间重构和支持向量回归结合的方法进行预测，相比于BP神经网络和时间序列分析法有较大的优势。最后，考虑到在Matlab平台对电力负荷数据进行分析处理以及预测的过程中存在大量繁琐操作的缺点，设计了电力负荷的Matlab GUI预测系统。该负荷预测系统可以快速导入、显示和处理数据，大大提高了对电力负荷数据进行预测的效率。

关键词：电力负荷预测混沌相空间重构支持向量机粒子群优化 Matlab GUI

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种风电场短期风速组合预测模型

太阳能学报 2017年第6期38卷 1510-1516页

作者：张妍王东风韩璞华北电力大学自动化系保定071003

为了提高短期风速预测精度,提出一种变权系数的支持向量机组合风速预测模型。选择基于不同核函数的支持向量机作为单项预测模型以保证单项模型之间的差异性,对核参数用粒子群算法寻优选取以保证各单项模型的精确性。组合预测方法采用以... 详细信息

为了提高短期风速预测精度,提出一种变权系数的支持向量机组合风速预测模型。选择基于不同核函数的支持向量机作为单项预测模型以保证单项模型之间的差异性,对核参数用粒子群算法寻优选取以保证各单项模型的精确性。组合预测方法采用以预测误差平方和最小为准则的可变加权系数组合预测方法,以计算各单项模型在风速预测不同时刻的权系数。仿真实验表明,所建立的变权组合预测模型在短期风速预测上具有良好的预测效果,预测精度优于各单项模型和固定权系数的组合模型。

关键词：风速预测支持向量机组合预测变权系数混沌相空间重构

考虑混沌特征的增强型大脑情绪神经网络光伏发电功率超短期预测模型

在线全文

学校读者我要写书评

暂无评论

高电压技术 2021年第4期47卷 1165-1175页

作者：王育飞杨启星薛花上海电力大学电气工程学院上海200090

为进一步提高光伏发电功率超短期预测的准确度,根据光伏功率时间序列固有的非线性混沌特征,提出一种基于改进粒子群优化(improved particle swarm optimization,IPSO)算法和增强型大脑情绪神经网络(enhanced brain emotional neural net... 详细信息

为进一步提高光伏发电功率超短期预测的准确度,根据光伏功率时间序列固有的非线性混沌特征,提出一种基于改进粒子群优化(improved particle swarm optimization,IPSO)算法和增强型大脑情绪神经网络(enhanced brain emotional neural network, EENN)的光伏发电功率超短期预测模型。首先,利用非线性变换将光伏功率序列的隐含信息特征投射至高维相空间,获得反映吸引子轨迹的新数据空间;随后,为提高模型的超短期预测能力,通过考虑系统在空间中连续吸引子轨迹的非线性几何特征,利用EENN模型建立高维空间中的数据映射关系,并采用IPSO算法实现对EENN模型中所有权值和阈值的迭代优化,以提高EENN模型的数据挖掘和预测能力;最后,基于实测光伏发电功率数据进行单步预测以实现对所提模型的有效验证。算例分析表明,所提预测模型具有比传统模型更好的预测效果,有效提高了光伏功率超短期预测的准确度。

关键词：光伏发电功率预测模型混沌相空间重构改进粒子群优化增强型大脑情绪神经网络超短期

在线全文

学校读者我要写书评

暂无评论

基于混沌理论与神经网络的短期风速滚动预测

电测与仪表 2013年第7期50卷 16-20页

作者：华琦王雷陆金桂杜杰南京工业大学自动化与电气工程学院南京211008 南京工业大学机械与动力工程学院南京211008 南京信息工程大学计算机与软件学院南京210044

风的演变具有混沌特性,论文以混沌相空间重构理论为基础,应用神经网络技术进行风速短期预测。采用互信息法和饱和关联维数法分别计算最佳的延迟时间和嵌入维数,将原风速时间序列数据进行相空间重构,并用wolf法计算最大Lyapunov指数对时... 详细信息

风的演变具有混沌特性,论文以混沌相空间重构理论为基础,应用神经网络技术进行风速短期预测。采用互信息法和饱和关联维数法分别计算最佳的延迟时间和嵌入维数,将原风速时间序列数据进行相空间重构,并用wolf法计算最大Lyapunov指数对时间序列的混沌特性进行判别。论文利用神经网络建立风速预测模型,并进行多步滚动式短期风速预测。论文还进行了仿真实验,实验结果初步验证了基于混沌理论的神经网络预测模型在风速短步长预测方面的效果。

关键词：短期风速预测滚动式多步预测混沌相空间重构神经网络

模糊聚类与混沌预测在短期电力负荷预测中的应用

在线全文

学校读者我要写书评

暂无评论

模糊聚类与混沌预测在短期电力负荷预测中的应用

作者：喻远飞天津大学

学位级别：硕士

电力负荷预测，特别是短期负荷预测是电力部门一项重要的工作，经济意义重大。因此，追求精益求精的预测准确度成为电力行业的重大科研课题。近十几年来，研究者们提出了大量有效的预测算法，预测精度不断提高。然而，人们对预测精度的... 详细信息

电力负荷预测，特别是短期负荷预测是电力部门一项重要的工作，经济意义重大。因此，追求精益求精的预测准确度成为电力行业的重大科研课题。近十几年来，研究者们提出了大量有效的预测算法，预测精度不断提高。然而，人们对预测精度的要求也越来越高，这就需要科研工作者探索更好的预测方法。本文将模糊聚类和模式识别理论应用于负荷历史数据和气象数据的预处理，为负荷预测提供了更合理的原始预测数据集;在混沌相空间重构局域法的基础上提出了几种新的预测方法，并将气象因子引入到了混沌预测中。本文在研究过程中得到了以下一些初步的结果。在数据预处理方面：通过对我国北方某地多年日峰值负荷与对应的9种气象数据进行相关性分析，确定了在夏季，“最大气温、最小气温、平均气温、降雨量、平均露点、平均海面气压”是影响负荷的主要气象因子;在冬季，“降雨量、平均海面气压、平均能见度、平均风速、最大持续风速”是影响负荷的主要气象因子。以2000年夏季的具体数据为例，对日峰值负荷数据和对应的主要气象因子数据进行了模糊聚类。在模糊隶属度的选择上，首先选取了相关系数和欧氏距离法，接着本文构造了“相关系数＋欧氏距离”的隶属度函数，通过对三种方法聚类结果与原始数据的比较分析，认为在构造的隶属度函数下的聚类结果更具有合理性。在负荷预测方面：在混沌重构相空间局域法中，首先采用多元二阶多项式回归法预测出未来时刻的负荷值。该方法与线性回归法相比，具有更高的预测精度，并且显著地抑制了12h周期性的误差增大现象。另外，在寻找嵌入相空间中与参考矢量邻近的矢量时，以指定邻近矢量的个数来代替与参考矢量的距离，不仅保证了在任何情况下都能找到足够的“邻近矢量”来进行负荷预测，还可以提高预测精度。其次，采用直接多步线性回归法进行预测，即从当前值直接回归预测出多个点的负荷，消除了原来一步法中的误差积累。在考虑天气因子的直接多步回归时，本文在“参考矢量”中增加各负荷记录对应的天气记录，以及待预测日的天气预报。这样“负荷记录、天气记录、天气预报”形成一个新型的“参考矢量”，从而实现了混沌时间序列中气象因子的使用。

关键词：模糊聚类分析模式识别气象因子混沌相空间重构负荷预测