检索结果-南通市图书馆

河北软件职业技术学院学报 2014年第4期16卷 47-50页

作者：龙浩霍娜徐州工业职业技术学院信息管理技术学院江苏徐州221000

在基于固定窗口宽度滑动窗口模型的基础上,提出了一种基于回归参数存储的预测模型,该模型设置了计算区、数据区和参数区。计算区用于获得最近一个滑动窗口中的数据,数据区用于接收新数据,参数区存储最近若干组滑动窗口数据所计算得到的... 详细信息

在基于固定窗口宽度滑动窗口模型的基础上,提出了一种基于回归参数存储的预测模型,该模型设置了计算区、数据区和参数区。计算区用于获得最近一个滑动窗口中的数据,数据区用于接收新数据,参数区存储最近若干组滑动窗口数据所计算得到的线性回归参数值,作为计算预测结果的原始数据集。按照这种模型的处理思路,提出了一种基于数据平滑技术的回归预测算法,随着窗口的滑动,对数据区中的数据进行回归分析,获得前面若干组滑动窗口数据的回归函数并存入参数区中,检验当前窗口中数据获得的回归函数预测效果。实验分析表明,通过修正当前回归函数的参数,可以使预测函数的预测精度得到很大程度的提高。

关键词：数据流预测模型数据平滑技术回归预测算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

机载光电侦察设备光学镜头材料应力检测的研究

机载光电侦察设备光学镜头材料应力检测的研究

引用

作者：王招鹏郑州航空工业管理学院

学位级别：硕士

机载光电侦察设备是现代战争中获取情报的重要手段,受到越来越多国家的关注和研发。光学镜头作为机载光电侦察设备的重要组件,装配不当会导致镜头存在附加应力,在航空器高低空飞行时温度快速变化,会导致镜头产生形变、破裂甚至爆炸,给... 详细信息

机载光电侦察设备是现代战争中获取情报的重要手段,受到越来越多国家的关注和研发。光学镜头作为机载光电侦察设备的重要组件,装配不当会导致镜头存在附加应力,在航空器高低空飞行时温度快速变化,会导致镜头产生形变、破裂甚至爆炸,给航空器的正常飞行任务带来巨大隐患。因此,对于光学装配过程中,装调人员对镜头玻璃材料的动态应力检测及可视化操作装备有着迫切需求。本文基于四分之一波片法原理设计应力检测光路并构建实时机器视觉系统,结合机器学习算法预测光程差改善应力测量精度,提出动态应力图像的增强处理方法实现装调工艺的直观可视化操作。具体的研究工作内容如下:(1)应力检测机器视觉系统设计及数据集构建。首先,基于四分之一波片法应力检测原理和光学镜头装配过程中的实际需求,设计检测光路并构建应力检测机器视觉系统。接着,利用实验系统对K9玻璃、ZF6玻璃、石英玻璃和硫系玻璃进行应力图像采集,并构建基于图像灰度值的光强数据集,为后续应力检测提供基础数据和实验条件。(2)基于灰度图像的光程差回归预测算法研究。针对传统方法测量存在较大误差,并且无法辨别光学镜头装配过程出现的微小应力的问题,本文结合BP神经网络对复杂模式的学习性能以及最小二乘法线性拟合,提出一种LSM-BP融合算法,通过在实验构建数据集上进行多种算法对比实验,结果表明所提算法在数据集上回归拟合预测效果最优,在检测微小应力方面具备良好性能。(3)动态应力图像增强算法研究及软件设计。针对采集的应力测量图像存在噪声、光污染以及不便于操作人员直观观察等问题,本文提出了改进的单尺度Retinex图像增强算法,该算法将快速引导滤波替换传统的高斯滤波,结合非线性全局校正,将反射图像和亮度图像融合得到增强图像。算法有效增强了图像的边缘特征,让应力区域的动态变化清晰可见,为应力图像彩色可视化奠定基础。基于图像增强算法开发了动态应力监测软件,可以实现单点应力计算、应力异常区域快速定位、应力图像彩色可视化、装配过程应力区域变化增强显示,以及一键生成检测报告等功能,为光学装调人员的可视化操作提供了有效手段。

关键词：镜头玻璃材料应力检测四分之一波片法回归预测算法图像增强算法

来源：

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

改进Stacking算法的光伏发电功率预测

引用

应用科学学报 2022年第2期40卷 288-301页

作者：李鹏钦张长胜李英娜李川昆明理工大学信息工程与自动化学院云南昆明650500

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层... 详细信息

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及R2指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。

关键词： Stacking算法交叉验证向量表示回归预测算法光伏发电预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于PWVRSM算法的光伏发电功率预测研究

基于PWVRSM算法的光伏发电功率预测研究

引用

作者：李鹏钦昆明理工大学

学位级别：硕士

光伏发电受气象环境因素的影响非常显著,具有周期性、间歇性、随机波动性,大规模的光伏并网会对电网的安全稳定性造成巨大冲击。因此,精确实时的光伏发电功率预测有利于在并网过程中对其发电波动范围进行估计和对调控指令进行更新,减少... 详细信息

光伏发电受气象环境因素的影响非常显著,具有周期性、间歇性、随机波动性,大规模的光伏并网会对电网的安全稳定性造成巨大冲击。因此,精确实时的光伏发电功率预测有利于在并网过程中对其发电波动范围进行估计和对调控指令进行更新,减少剩余电流、孤岛效应、谐波污染等影响电能质量的问题的发生,保证光伏并入后电网的安全稳定高效运行。为了探究发电数据质量和融合模型在短期光伏发电功率预测中的作用,同时提升模型的预测性能,本文构建了基于特征选择和PWVRSM算法的光伏发电功率短期预测模型。以下为本文的具体工作:第一,首先针对性地分析光伏有功出力预测现有方法的优劣点;其次基于历史光伏发电数据和历史气象数据对影响光伏功率输出的各种气象因子的内在机理进行深入研究分析;曲线结果表明,季节类型、辐照度、温度和湿度等对发电功率的波动特性具有重要影响。同时构造dis2peak和风速1阶差分两个特征,用来捕捉数据中的周期性和随机性,将它们作为预测模型的输入特征。第二,搭建了一种基于Stacking框架的光伏发电功率预测模型。针对Stacking框架融合过程中,初级学习器选择的盲目性、可变性等特点,加入学习器选择的过程,用来选择可用于融合的学习器。考虑到各算法差异性,选用线性回归算法、随机森林算法、支持向量回归算法和XGBoost算法分别构建光伏发电功率预测模型,根据模型预测结果,对模型进行评估与选择;使用Light GBM算法将在四个模型中表现最好的三个（随机森林模型、XGBoost模型、支持向量回归模型）进行融合,搭建Stacking集成模型,从而提升模型的预测精度。第三,提出了一种基于交叉验证精度加权和新向量表示的改进Stacking算法（Stacking Model with Precision Weighting and New Vector Representing,简称PWVRSM）。采用三层算法结构,考虑到在交叉验证下同一基学习器所产生的不同预测模型表现出预测精确度的差异性,对其不同的预测结果进行赋权。在第1层训练原始训练集;第2、3层采用一种新的向量表示以增加训练数据,并使得第2、3层个体回归器的输入向量大小不会随着回归器数目的增加而增大;第3层用个体回归器对前一层的学习结果再次学习以减弱噪声。为智能选择PWVRSM算法中的个体回归器,用麻雀搜索算法对它们的组合进行优化。通过Stacking集成学习模型来预测光伏发电输出,精度要比单一的预测模型要高,拟合效果更好。改进的2层及3层Stacking算法在预测性能上较经典Stacking进一步提升,并且3层模型表现更佳,其MSE比2层模型的MSE降低了14.93%,R-squared提高了1.26%。同时运用麻雀搜索算法优化得到的模型预测效果更好,这说明在优化PWVRSM算法中可以用该智能算法进行调参。

关键词：光伏发电预测回归预测算法 Stacking 交叉验证向量表示

来源：

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

基于改进Stacking与误差修正的短期太阳辐照度预测

引用

南京信息工程大学学报（自然科学版） 2023年第6期15卷 684-691页

作者：王珊珊吴霓何嘉文朱威湖北工业大学电气与电子工程学院/太阳能高效利用湖北省协同创新中心武汉430068

为提高光伏电站辐照度预测的准确性和可靠性,提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型.首先使用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)对原始数据集进行特征筛选,清除冗余特征,提高预测精度... 详细信息

为提高光伏电站辐照度预测的准确性和可靠性,提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型.首先使用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)对原始数据集进行特征筛选,清除冗余特征,提高预测精度和运算效率;然后建立改进Stacking辐照度预测模型,根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性,对预测结果进行赋权,并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理,以提高预测的正态性和同方差性;最后提取历史预测误差数据,采用随机森林(Random Forest, RF)构造误差模型,进一步提高预测精度.实验结果表明,该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升.

关键词：太阳辐照度光伏发电 Stacking算法回归预测算法交叉验证

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：