检索结果-南通市图书馆

基于完全自适应噪声集合经验模态分解与小波变换相结合的GPS/BDS-3多路径误差削弱研究

在线全文

学校读者我要写书评

暂无评论

现代信息科技 2022年第15期6卷 45-47,51页

作者：童润发安徽理工大学空间信息与测绘工程学院安徽淮南232001

多路径误差是GNSS短基线相对定位过程中主要的误差源,已经影响定位的精度。针对经验模态分解(EMD)存在断点效应和模态混叠问题,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)-小波变换(WT)的提取GNSS多路径的方法。通过两天的... 详细信息

多路径误差是GNSS短基线相对定位过程中主要的误差源,已经影响定位的精度。针对经验模态分解(EMD)存在断点效应和模态混叠问题,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)-小波变换(WT)的提取GNSS多路径的方法。通过两天的GPS/BDS-3的实测数据处理分析,实验结果表明,采用CEEMDAN-WT提取多路径相关系数高于小波分析、经验模态分解(EMD),实时削弱多路径误差中使用CEEMDAN-WT比其他两者方法效果更好。

关键词： GPS BDS-3 完全自适应噪声集合经验模态分解恒星日滤波

在线全文

学校读者我要写书评

暂无评论

考虑延误特征的航站楼离港聚集客流预测方法

交通运输系统工程与信息 2024年第3期24卷 240-254页

作者：李明捷王涛黄欣宁田杰姚霖昊中国民用航空飞行学院机场学院四川广汉618307

为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波... 详细信息

为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波动规律和分布特征,构建基于自适应噪声完全集合经验模态分解(CEEMDAN)、排列熵算法(PE)以及鲸鱼优化算法(WOA)优化的长短期记忆神经网络(LSTM)的短期航站楼聚集客流预测模型。首先,应用CEEMDAN将聚集客流数据序列分解为若干模态分量(Intrinsic Mode Function, IMF)和残差量(Residual, Res),降低原序列中数据的复杂性和非平稳性影响;其次,为减小模型计算规模,同时提高预测效率和精度,采用PE算法对IMF分量进行熵值重构;最后,建立WOA-LSTM聚集客流预测模型,利用鲸鱼优化算法优化LSTM超参数,叠加重构分量的预测结果,得到最终的聚集客流预测值。将模型应用于长三角某枢纽机场进行实例验证。结果表明:CEEMDAN-PE-WOA-LSTM预测模型性能最优,相较单一的LSTM模型,候机大厅聚集客流预测的均方根误差、平均绝对误差以及百分比误差分别降低42.78%、44.00%及45.62%;相较CEEMDAN-WOA-LSTM模型,预测效率提高41.64%。本文所提模型能够有效拟合存在显著非线性和非平稳性特征的候机大厅聚集客流,具有较高的预测精度和运算效率。

关键词：航空运输离港聚集客流预测完全自适应噪声集合经验模态分解长短期记忆神经网络航站楼客流航班延误特征

同方期刊数据库

CEEMDAN-SE-WT降噪方法在航空发动机燃油流量信号中的应用

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第15期24卷 6525-6533页

作者：曲春刚朱胜翔冯正兴中国民航大学航空工程学院天津300300 中国民航大学飞机发动机状态监控与故障诊断综合实验室天津300300

燃油流量信号是反映发动机状态和计算飞机排放物排放量的重要信号,但飞机飞行过程中传感器采集信号时不可避免地会受到外界环境以及内部因素干扰。提出一种结合样本熵(sample entropy,SE)的完全自适应噪声集合经验模态分解(complete ens... 详细信息

燃油流量信号是反映发动机状态和计算飞机排放物排放量的重要信号,但飞机飞行过程中传感器采集信号时不可避免地会受到外界环境以及内部因素干扰。提出一种结合样本熵(sample entropy,SE)的完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波变换(wavelet transform,WT)的联合降噪方法。首先使用CEEMDAN对燃油流量信号进行分解得到本征模态分量,利用样本熵筛选含噪分量,并用相关系数与方差贡献率进行复核。对于含噪分量使用小波阈值降噪进行处理。最后将未处理的模态分量和完成降噪的模态分量重构得到最终燃油流量信号。通过与其他方法比较,CEEMDAN-SE-WT方法拥有最高信噪比为85.287,降噪后燃油消耗总量与飞机总重变化最为接近,可以认为该方法较大程度保留了燃油流量信号中的有效特征,为后续计算民机排放物排放总量提供了良好的数据支持。

关键词：降噪燃油流量信号完全自适应噪声集合经验模态分解小波阈值降噪样本熵

基于CEEMDAN和LSTM的股指价格组合预测方法:来自5个国家的数据分析

在线全文

学校读者我要写书评

暂无评论

计算机科学与应用 2024年第2期14卷 449-459页

作者：林昇铭王嘉宏袁锦琛曾莹萍林持旺福建理工大学计算机科学与数学学院福建福州福建理工大学大数据挖掘与应用技术重点实验室福建福州

股票价格预测一直是研究者们挑战的领域。然而,现有的基于深度学习的预测方法在预测不同国家的股票指数时无法达到统一优秀的效果。因此,本文提出了一种名为CEEMDAN-PSO-LSTM的新模型来预测多个国家的股票指数收盘价。首先,我们使用完... 详细信息

股票价格预测一直是研究者们挑战的领域。然而,现有的基于深度学习的预测方法在预测不同国家的股票指数时无法达到统一优秀的效果。因此,本文提出了一种名为CEEMDAN-PSO-LSTM的新模型来预测多个国家的股票指数收盘价。首先,我们使用完全自适应噪声集合经验模态分解(CEEMDAN)方法将原始股票指数收盘价序列分解为多个本征模态函数(IMF)。然后,得到的各个IMF通过利用粒子群优化算法(PSO)优化长短期记忆网络(LSTM)的超参数后的模型进行预测,最终,将各IMF的预测结果进行加和得到对原始收盘价序列的预测结果。为验证所提方法的可行性,我们将其与LSTM、PSO-LSTM、EMD-LSTM和CEEMDAN-LSTM这四个模型进行对比,并选取五支来自不同国家且具有代表性的股票指数作为数据集。通过各模型在各数据集上的实验表明本文所提方法表现优于其他四个模型,这说明本文所提方法具有优良的可行性和普适性。

关键词：长短期记忆网络完全自适应噪声集合经验模态分解粒子群优化算法股票价格预测深度学习

基于改进CEEMDAN的深度学习电煤库存STIFM

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

计算机仿真 2024年第6期41卷 167-173,243页

作者：张宇晨姜雪松刘森李春伟东北林业大学工程技术学院黑龙江哈尔滨150040

准确预测燃煤电厂的电煤库存是优化能源储存、保障电力供应的重要依据。针对实际生活中短期电煤库存呈不平稳性、随机性和局部突变等特点,提出一种基于改进CEEMDAN分解的TCN-BiGRU-Attention组合模型电煤库存短期预测方法,分析电煤库存... 详细信息

准确预测燃煤电厂的电煤库存是优化能源储存、保障电力供应的重要依据。针对实际生活中短期电煤库存呈不平稳性、随机性和局部突变等特点,提出一种基于改进CEEMDAN分解的TCN-BiGRU-Attention组合模型电煤库存短期预测方法,分析电煤库存特征并选取主要影响因素,将影响因素通过词向量的方式构建成新时序序列,利用于完全自适应噪声集合经验模态分解(Complete EEMD with Adaptive Noise, CEEMDAN)分解数据后通过零率(Zero Crossing Rate, ZCR)将分量分类为高、中和低频并叠加求和,通过时序卷积网络(Temporal Convolutional Network, TCN)提取不同频段时序序列的隐藏特征,以特征向量的方式输入双向门控循环神经网络(Bidirectional Gated Recurrent Unite, BiGRU),并结合Attention机制(Attention Mechanism)给予不同权值突出关键特征并产生预测结果,将各频段序列预测结果求和产生最终预测结果。结果表明,上述模型比单一和其它组合模型预测结果更准确。

关键词：短期库存预测时序卷积网络完全自适应噪声集合经验模态分解双向门控循环神经网络注意力机制

基于改进HHO算法的碳交易价格组合预测研究

在线全文

学校读者我要写书评

暂无评论

西安理工大学学报 2023年第3期39卷 330-338页

作者：赵峰徐丹华安徽工业大学管理科学与工程学院安徽马鞍山243032

为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标... 详细信息

为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标和技术指标,通过Pearson相关系数筛选出6个与下一日碳交易价格高度相关的变量作为解释变量,建立多策略改进哈里斯鹰优化极限学习机模型(THHO_ELM)。最后,对模型I和模型II建立基于l_(p)范数的组合预测模型。结果表明,组合预测模型优于单一的分类模型。

关键词：碳价格预测完全自适应噪声集合经验模态分解哈里斯鹰优化算法极限学习机 l_(p)范数

基于C-Prophet的变压器油温预测方法

在线全文

学校读者我要写书评

暂无评论

电网与清洁能源 2023年第3期39卷 48-55页

作者：纪宏德吴显德王海鑫国网嘉兴供电公司浙江嘉兴314000 浙江华是科技股份有限公司浙江杭州311100 沈阳工业大学电气工程学院辽宁沈阳110870

变压器绕组温度过高会导致绝缘老化,严重危害电力设备正常运行。变压器油温能够作为判断绕组温度的辅助依据,然而变压器油温受季节因素、天气变化影响较大,目前针对变压器油温预测的精度有待进一步提升。针对此问题,首次将Prophet算法... 详细信息

变压器绕组温度过高会导致绝缘老化,严重危害电力设备正常运行。变压器油温能够作为判断绕组温度的辅助依据,然而变压器油温受季节因素、天气变化影响较大,目前针对变压器油温预测的精度有待进一步提升。针对此问题,首次将Prophet算法用于变压器油温预测,并提出一种与自适性噪声完备总体经验模态分解(CEEMDAN)相结合的变压器油温预测方法(CEEMDAN-Prophet,C-Prophet)。同时为进一步提升油温预测精度,在预测过程中综合考虑季节变化对变压器油温的影响。C-Prophet预测方法首先利用CEEMDAN对采集的油温信号进行分解,得到最终残差和K个本征模态分量。然后利用Prophet算法对各个分量进行预测,并将得到的N个模态分量的预测值进行求和得到最终的预测结果。算例结果表明,与卷积神经网络(convolutional neural networks,CNN)、长短期记忆网络(long short-term memory,LSTM)和随机森林算法相比,C-Prophet算法预测精度分别提高了54.40%、44.08%、20.09%,且C-Prophet算法在考虑季节因素后预测精度进一步提升了61.24%。

关键词： C-Prophet 变压器油温预测完全自适应噪声集合经验模态分解季节因素

基于灰色模型混合算法的滚动轴承剩余使用寿命预测

在线全文

学校读者我要写书评

暂无评论

机械设计与研究 2022年第4期38卷 103-108页

作者：张昌凡高见刘建华湖南工业大学湖南株洲412007

针对在使用灰色模型进行剩余寿命预测时,长期的预测结果精度会下降的问题,提出了一种集灰色模型、完全自适应噪声集合经验模态分解和长短期记忆人工神经网络相结合的混合算法。采用灰色模型进行第一步预测,并生成原始误差序列,引入完全... 详细信息

针对在使用灰色模型进行剩余寿命预测时,长期的预测结果精度会下降的问题,提出了一种集灰色模型、完全自适应噪声集合经验模态分解和长短期记忆人工神经网络相结合的混合算法。采用灰色模型进行第一步预测,并生成原始误差序列,引入完全自适应噪声集合经验模态分解重新构建更平滑的误差序列,通过长短期记忆人工神经网络对重构误差序列进一步预测从而实现长期预测精度的提高。在预测过程中通过滑动分段技术对旧的混合算法进行动态迭代,从而准确预测滚动轴承的剩余使用寿命。实验结果表明,该方法具有良好的预测性能。

关键词：剩余使用寿命灰色模型完全自适应噪声集合经验模态分解长短期记忆人工神经网络滑动分段混合算法

在线全文

学校读者我要写书评

暂无评论

基于光电容积脉搏波的人体心率监测系统研制

基于光电容积脉搏波的人体心率监测系统研制

作者：程杰重庆理工大学

学位级别：硕士

近年来随着社会的飞速发展以及生活质量的明显提升,人们对健康的重视程度也越来越高,尤其是在人口老龄化这一大趋势下,腕带式心率监测设备逐渐活跃在大众的视野中,目前针对这一类设备的研究已经成为电子智能化这一大方向的热门。心率作... 详细信息

近年来随着社会的飞速发展以及生活质量的明显提升,人们对健康的重视程度也越来越高,尤其是在人口老龄化这一大趋势下,腕带式心率监测设备逐渐活跃在大众的视野中,目前针对这一类设备的研究已经成为电子智能化这一大方向的热门。心率作为人体的一项重要参数,能实时反映人体各项器官功能以及体内各循环系统的生理指标。对心率做到精准实时的监测,可以有效地对心血管类疾病做出预防,对人们的身体健康有着重要的意义。目前,市面上的腕带式心率监测设备普遍存在局限性,如使用不简易、功耗高、未能较好解决运动伪差而导致精度不高等问题。针对这些问题,本文研制了一套基于人体光电容积脉搏波(PPG)的人体心率监测系统,从硬件滤波、软件算法滤波、心率提取算法等方面进行优化,从而达到提高运动状态下测量精度、精准监控心率的目标,本文进行了以下工作:针对运动状态下PPG信号中运动伪差(MA)影响较严重进而导致采集到的信号难以有效提取心率值的情况,提出了一种基于归一化最小均方误差(NLMS)自适应滤波联合完全自适应噪声集合经验模态分解分析(CEEMDAN)的算法滤除PPG信号中的运动伪差。首先将预处理后的PPG信号进行NLMS自适应滤波以去除高频噪声和基线漂移,接下来通过CEEMDAN算法将信号分解成若干个本征模态函数(IMF),然后通过计算每个模态的多尺度排列熵(MPE)来确定阈值,在阈值范围内选择合适的IMF分量对PPG信号进行重构以滤除其中的运动干扰和基线漂移等噪声,将心率值提取的精度大幅提高。对基于PPG信号的人体心率监测系统的研制,分别进行了硬件和软件部分的设计,搭建了基于PPG信号的硬件采集平台,并开发了移动端APP。其中,硬件设计部分主要包括主控芯片、蓝牙通信模块、PPG信号采集模块、I/V转换模块、信号滤波以及放大模块和三轴加速计传感器电路。软件设计主要包括PPG信号处理流程和心率提取算法的设计。对主控芯片STM32F103进行设计改进,完善睡眠模式和低功耗运行等模式的切换机制,有效降低了系统功耗,提高了待机时长。本地数据管理模块用于对采集到的PPG信号进行滤波,并在手机端APP上显示处理后的脉搏波和计算得出的心率值。最后,为了验证本文提出算法的准确性,采集了静坐、正常行走(摆臂)、慢跑和快跑四种状态下8名被测者的腕部的PPG信号,分别使用本文方法以及另外的两种算法对PPG信号进行滤波处理,以信噪比和均方误差作为评价指标。实验结果显示,本文算法的信噪比更高,均方误差更小。此外,通过处理后PPG信号计算了四种状态下的心率值,相比其他两种方法,本文提出方法的平均绝对误差(AAE)降低了0.6%～1.4%,真实心率和估算心率的皮尔逊相关系数(PCC)提高了0.3%,计算得到的心率值精确度更高,证明了本文研制的人体心率监测系统具有较高的心率测量准确率,满足实用性要求。

关键词：光电容积脉搏波多尺度排列熵心率监测运动伪差完全自适应噪声集合经验模态分解