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

基于改进互补集成经验模态分解的脉搏波去噪

光学学报 2024年第7期44卷 51-60页

作者：陈勇姚知民刘焕淋廖钧鹏许力冯彦清重庆邮电大学工业物联网与网络化教育部重点实验室重庆400065 重庆邮电大学通信与信息工程学院重庆400065

针对脉搏波信号采集过程中存在噪声的问题,提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号,首先在互补集成经验模态分解算法中加入高斯白噪声,然后利用粒子群算法优化高斯白噪声幅值,以... 详细信息

针对脉搏波信号采集过程中存在噪声的问题,提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号,首先在互补集成经验模态分解算法中加入高斯白噪声,然后利用粒子群算法优化高斯白噪声幅值,以此来消除互补集成经验模态算法分解产生的模态混叠现象,并联合小波阈值函数对其处理后的脉搏波信号进行重构。实验结果表明,所提算法能够有效降低脉搏波信号中的噪声干扰,在信噪比、均方误差两个指标上均优于对比算法,为提取脉搏波的时域特征奠定了基础。

关键词：光纤布拉格光栅脉搏波信号去噪互补集成经验模态分解粒子群优化算法小波阈值

基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第7期45卷 735-744页

作者：唐非沈阳工业大学人工智能学院沈阳110870

针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后... 详细信息

针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。

关键词：风能短期风速组合预测互补集成经验模态分解多模型 Stacking融合

维普期刊数据库博看期刊

基于CEEMD的重大事件对香港住宅价格影响的实证分析

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（理学版） 2020年第3期47卷 380-390页

作者：张凌杨霖尊浙江大学建筑工程学院浙江杭州310058

应用互补集成经验模态分解(CEEMD)方法对香港1997―2018年的住宅价格月度数据进行了分解,将经过重构后的数据分成高频序列、低频序列与残差项。将BP多断点检测应用于低频序列,并结合样本时段内的重大事件进行实证分析。结果表明:1997年... 详细信息

应用互补集成经验模态分解(CEEMD)方法对香港1997―2018年的住宅价格月度数据进行了分解,将经过重构后的数据分成高频序列、低频序列与残差项。将BP多断点检测应用于低频序列,并结合样本时段内的重大事件进行实证分析。结果表明:1997年亚洲金融风暴对房价的影响大于2008年金融危机;外部经济体的救市政策间接地影响香港房价;在经济不景气的大环境下“孙九招”政策没有立即见效;资本投资者入境计划、住房供给调整与按揭贷款调整对房价的影响较为显著;税收调整对房价影响不显著、对交易量影响显著;SARS爆发使住宅价格下降约1%。

关键词：住宅价格重大事件互补集成经验模态分解 BP多断点

基于CEEMD-RSVPSO-KELM的用户侧微电网短期负荷预测

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2020年第18期57卷 69-76页

作者：杜涵潇汤旻安兰州交通大学自动化与电气工程学院兰州730070

用户侧微电网负荷随机性强,短期负荷的预测精度对微电网的正常运行起着重要作用。提出了一种基于互补集成经验模态分解(CEEMD)和区域划分自适应变异粒子群(RSVPSO)算法优化核极限学习机(KELM)的负荷预测模型。采用互补集成经验模态分解... 详细信息

用户侧微电网负荷随机性强,短期负荷的预测精度对微电网的正常运行起着重要作用。提出了一种基于互补集成经验模态分解(CEEMD)和区域划分自适应变异粒子群(RSVPSO)算法优化核极限学习机(KELM)的负荷预测模型。采用互补集成经验模态分解将负荷序列分解为多组平稳的子序列,以减小不同局部信息之间的相互影响。针对粒子群算法易早熟和收敛速度慢的问题,利用区域划分来实现惯性权重和学习因子的自适应调整,提高粒子的全局寻优能力和搜索效率,并结合自适应变异操作避免陷入局部最优,加强核极限学习机预测精度。最后通过案例验证,所提模型的预测准确率约为98.114%,较其他预测模型具有更好的预测效果和实际应用意义。

关键词：用户侧微电网短期负荷预测互补集成经验模态分解核极限学习机欧氏距离自适应变异粒子群算法

基于CEEMD-BiGRU模型的徐州市大气污染物浓度预测

在线全文

学校读者我要写书评

暂无评论

环境工程 2022年第9期40卷 9-18页

作者：吴子伯崔云霞曹炜琦彭欣赵修齐治蓁南京师范大学环境学院南京210023

目前大气污染物对于地区经济以及人体健康的影响不容忽视。选取徐州市2016-01-01—2021-01-24大气污染物和气象要素数据,针对大气污染物浓度波动性强等特点,运用互补集成经验模态分解(CEEMD)将污染物数据分解为本征模态分量,提取出原始... 详细信息

目前大气污染物对于地区经济以及人体健康的影响不容忽视。选取徐州市2016-01-01—2021-01-24大气污染物和气象要素数据,针对大气污染物浓度波动性强等特点,运用互补集成经验模态分解(CEEMD)将污染物数据分解为本征模态分量,提取出原始数据的各项特征,再对分解出的各本征模态分量构建双向门控循环单元模型(BiGRU),通过双向循环训练,学习各分量的特征趋势并获得最优训练参数,将输出结果重构,得到最终的预测值。结果表明:与BiGRU、BP模型相比,CEEMD-BiGRU模型预测各项大气污染物的平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别下降15%、20%和2百分点以上,预测精度有较大提升。在此基础上,利用CEEMD-BiGRU模型预测后一时间段残差,以修正原预测值,得到大气污染物预测区间上界,进一步扩展模型的适用性。

关键词：大气污染物预测互补集成经验模态分解双向门控循环单元区间预测

在线全文

学校读者我要写书评

暂无评论

一种优化的微弱信号检测方法

现代雷达 2019年第6期41卷 23-30页

作者：刘刚行鸿彦张金玉南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学江苏省气象探测与信息处理重点实验室南京210044

针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态... 详细信息

针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法对核极限学习机的正则化系数和核参数进行优化,重构预测信号,从预测误差中检测出混沌海杂波背景中的微弱信号(瞬态信号与周期信号)。分别以Lorenz系统和IPIX雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz系统得到的均方根误差0. 000 000 12 (-118.959 1 dB)比传统极限学习机方法的均方根误差0.001 345 08(-80.154 7 dB)降低了4个数量级;若SNR≥0 dB,噪声对微弱目标信号检测的影响可以忽略;但当SNR<-7 dB,则无法检测出微弱信号。

关键词：混沌海杂波互补集成经验模态分解人工蜂群算法核极限学习机

在线全文

学校读者我要写书评

暂无评论

一种股票市场的深度学习复合预测模型

计算机科学 2020年第11期47卷 255-267页

作者：张永安颜斌斌北京工业大学经济与管理学院北京100124

深度学习能够从大量原始数据中提取高级抽象特征而不依赖于先验知识,对于金融市场预测具有潜在的吸引力。基于"分解—重构—综合"的思想,提出了一种全新的深度学习预测方法论,并在此基础上构建了一种股票市场单步向前的深度学习复合预... 详细信息

深度学习能够从大量原始数据中提取高级抽象特征而不依赖于先验知识,对于金融市场预测具有潜在的吸引力。基于"分解—重构—综合"的思想,提出了一种全新的深度学习预测方法论,并在此基础上构建了一种股票市场单步向前的深度学习复合预测模型——CEEMD-LSTM。在此模型中,序列平稳化分解模块的CEEMD能将时间序列中不同尺度的波动或趋势逐级分解出来,产生一系列不同特征尺度的本征模态函数(Intrinsic Mode Function,IMF);采用深度学习中适合处理时间序列的长短期记忆网络(Long-Short Term Memory,LSTM)分别对每个IMF与趋势项提取高级、深度特征,并预测下一交易日收盘价的收益率;最后,综合各个IMF分量以及趋势项的预测值,得到最终的预测值。基于3类不同发达程度股票市场的股票指数的实证结果表明,此模型在预测的两个维度即预测误差与预测命中率上均要优于其他参照模型。

关键词：深度学习深度学习预测方法论股票市场预测长短期记忆网络互补集成经验模态分解

基于CEEMD-PCA-XGBoost的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机电工程 2023年第2期40卷 186-194页

作者：马东何毅斌李铭唐权胡明涛武汉工程大学机电工程学院湖北武汉430205

在轴承的故障诊断过程中,往往会存在因数据缺失或分布不均,从而导致其运算速度慢和分类准确率低的问题,为此,提出了一种互补集成经验模态分解结合主成分分析和极限梯度提升(CEEMD-PCA-XGBoost)的故障诊断方法。首先,基于互补集成经验模... 详细信息

在轴承的故障诊断过程中,往往会存在因数据缺失或分布不均,从而导致其运算速度慢和分类准确率低的问题,为此,提出了一种互补集成经验模态分解结合主成分分析和极限梯度提升(CEEMD-PCA-XGBoost)的故障诊断方法。首先,基于互补集成经验模态分解(CEEMD)对第三方轴承故障数据集进行时域和频域的特征提取,实现了数据初步筛选的目的;然后,采用主成分分析法(PCA),降低了分解后的本征模态函数分量(IMF)的特征值维度;将提取的特征量作为输入量,输入到极限梯度提升(XGBoost)模型中,并采用栅格法优化了模型的参数;最后,通过2种不同轴承数据集对该方法进行了验证,并从分类精度、准确度等角度出发,将该方法所得结果与采用其他算法所得到的结果进行了对比分析。实验结果表明:经美国凯斯西储大学轴承数据集检验,采用优化后的算法模型得到的分类准确率为100%,运算时间为11.264 s;经IEEE PHM 2012数据集验证,采用该算法得到的轴承寿命预测曲线拟合效果优于其他算法。研究结果表明:在运算速度和分类准确率方面,该轴承故障诊断方法具有较好的综合性能。

关键词：特征提取互补集成经验模态分解主成分分析极限梯度提升分类准确率特征值维度

结合长短时记忆网络和宽度学习的股票预测新模型研究

在线全文

学校读者我要写书评

暂无评论

运筹与管理 2023年第8期32卷 187-192页

作者：韩莹张栋孙凯强谈昊然陆超南京信息工程大学自动化学院江苏南京210044 北京交通大学经济管理学院北京100004

长短时记忆网络(LSTM)近年来广泛应用于股票预测中,其结构特点易陷入局部最优,从而影响预测精度。借鉴宽度学习系统(BLS)在时间序列预测上良好的逼近能力,本文尝试宽度学习与深度学习相结合。进一步地,针对股票序列不平稳特点,引入互补... 详细信息

长短时记忆网络(LSTM)近年来广泛应用于股票预测中,其结构特点易陷入局部最优,从而影响预测精度。借鉴宽度学习系统(BLS)在时间序列预测上良好的逼近能力,本文尝试宽度学习与深度学习相结合。进一步地,针对股票序列不平稳特点,引入互补集成经验模态分解(CEEMD)进行降噪处理,提出CEEMD-LSTM-BLS(C-L-B)股票预测模型。选取农林牧渔行业股票价格,对新提出的模型进行实证研究。通过与基线模型、现有股票预测模型对比,证明了新模型在多个精度指标上都有明显提升。特别地,通过分别将C-L-B模型与不融入BLS的CEEMD-LSTM模型,对CEEMD分解后的分量预测结果进行对比发现:LSTM模型预测存在一定的误差,且越是拐点处,越是高频波动,预测误差越明显。而C-L-B模型中的BLS模块能够解决这类问题。当数据出现较大波动时,本文提出的新模型与现有模型相比,可以很好的解决拟合差、时滞等问题。

关键词：股票预测互补集成经验模态分解长短时记忆网络宽度学习系统

维普期刊数据库博看期刊