检索结果-南通市图书馆

PSO-LSSVM的核电站破口故障程度评估方法

在线全文

学校读者我要写书评

暂无评论

哈尔滨工程大学学报 2021年第12期42卷 1748-1753页

作者：王志超夏虹彭彬森朱少民哈尔滨工程大学核安全与先进核能技术重点实验室黑龙江哈尔滨150001 哈尔滨工程大学核安全与仿真技术国防重点学科实验室黑龙江哈尔滨150001

为了保证从核电站大量数据中有效地挖掘信息以及故障下运行状态的智能表征,本文提出一种基于粒子群优化和最小二乘支持向量机的系统级故障程度评估方法,用于完善故障诊断系统的功能。针对最小二乘支持向量机算法的超参数选取对于回归精... 详细信息

为了保证从核电站大量数据中有效地挖掘信息以及故障下运行状态的智能表征,本文提出一种基于粒子群优化和最小二乘支持向量机的系统级故障程度评估方法,用于完善故障诊断系统的功能。针对最小二乘支持向量机算法的超参数选取对于回归精度影响较大问题,应用基于粒子群优化算法借助智能搜索策略来优化模型的超参数。基于最优超参数的回归模型能够提取系统级参数间的约束关系,以进行实时故障程度的评估。性能测试表明:采用提出的方法能够有效评估核电站系统级故障的程度,相较于粒子群优化-支持向量机以及最小二乘支持向量机算法具有更高的回归精度,且抗噪性能良好,保证了故障诊断系统的精度及可靠性。

关键词：核动力装置故障程度评估最小二乘-支持向量机粒子群优化算法运行支持回归模型优化算法数据驱动

在线全文

学校读者我要写书评

暂无评论

鲜肉中不饱和脂肪酸近红外检测方法优化

光谱学与光谱分析 2019年第2期39卷 443-447页

作者：牛晓颖邵利敏赵志磊焦慎江李晓灿董芳河北大学质量技术监督学院河北保定071002 河北农业大学机电工程学院河北保定071001

不饱和脂肪酸是鲜肉脂肪的基本组成成分,其种类和含量直接影响鲜肉的风味和品质。不同于用时长,破坏样品的气相色谱法,近红外分析可快速,无损地对鲜肉中不饱和脂肪酸进行定量检测。选取了驴肉,牛肉,羊肉和猪肉鲜肉样品共63个,在4 000～1... 详细信息

不饱和脂肪酸是鲜肉脂肪的基本组成成分,其种类和含量直接影响鲜肉的风味和品质。不同于用时长,破坏样品的气相色谱法,近红外分析可快速,无损地对鲜肉中不饱和脂肪酸进行定量检测。选取了驴肉,牛肉,羊肉和猪肉鲜肉样品共63个,在4 000～12 500cm-1波段上,分别采集了肉块样品和粉碎口径3mm的肉糜样品在5,10,15,20,25,30,35℃下的近红外漫反射光谱,并使用气相色谱法作为参考检测了样品的不饱和脂肪酸含量。为优化模型性能,比较了不同温度下肉块和肉糜样品全波段光谱的棕榈油酸、亚油酸、油酸、二十四碳一烯酸和总不饱和脂肪酸的偏最小二乘模型参数,发现棕榈油酸和总不饱和脂肪酸的5℃肉糜光谱模型,亚油酸的35℃和油酸的25℃肉糜光谱模型,以及二十四碳一烯酸的15℃肉块光谱模型较佳,且温度对模型的影响不具有明显的规律性。在较佳模型的基础上,分别以220,440,881和1 762个变量为窗口区间,使用前向和反向区间偏最小二乘法对波长进行了优选,发现棕榈油酸、亚油酸、油酸和总不饱和脂肪酸以220个变量作为窗口的反向区间偏最小二乘模型,以及二十四碳一烯酸以440个变量为窗口的前向区间偏最小二乘模型较佳,且预测性能均优于全波段PLS模型。其中棕榈油酸的建模波段为:4 425～4 636,4 849～5 272,5 486～5 696.7,7 398.6～7 818,8 031.1～8 666.5,9 947～10 363.6,12 495.5～12 498.4cm-1;亚油酸的建模波段为:4 000.6～4 423.9,5 273.4～5 698.6,7 398.6～9 090.8,10 576.7～10 787.8,12 495.5～12 498.4cm-1;油酸的建模波段为:4 000.6～4 423.9,4 637～4 848.2,7 398.6～8 242.3,8 455.4～9 090.8,9 947～10 787.8,12 495.5～12 498.4cm-1;二十四碳一烯酸的建模波段为:4 849.1～5 272.4cm-1;总不饱和脂肪酸的建模波段为:4 000.6～4 423.9,4 637～5 698.6,9 097.5～9 515.1,9 940.3～10 575.7,11 646～12 060.6,12 273.7～12 498.4cm-1。使用偏最小二乘法对优选波长光谱数据进行降维,利用得到的潜在变量作为各指标最小二乘-支持向量机模型的输入,并和各指标的区间偏最小二乘模型进行了性能的比较,发现最小二乘-支持向量机模型的各指标定量结果最优。棕榈油酸、亚油酸、油酸、二十四碳一烯酸和总不饱和脂肪酸最优模型的校正集相关系数和均方根误差,以及留一交叉验证相关系数,均方根误差及相对预测误差分别为:0.974,1.403mg·(100g)-1,0.973,1.428mg·(100g)-1,4.31;0.99,2.233 mg·(100g)-1,0.99,2.263 mg·(100g)-1,7.21;0.982,8.194mg·(100g)-1,0.982,8.223mg·(100g)-1,5.19;0.921,0.224mg·(100g)-1,0.92,0.225mg·(100g)-1,2.52;0.996,24.21mg·(100g)-1,0.995,26.045mg·(100g)-1,10.01。其中,亚油酸、油酸和总不饱和脂肪酸最优模型的交叉验证相对预测误差超过5,棕榈油酸最优模型的交叉验证相对预测误差接近5,二十四碳一烯酸的交叉验证相对预测误差接近3,各指标最优模型的预测性能较为令人满意。研究结果表明,波段优选,偏最小二乘降维以及最小二乘-支持向量机算法的结合可对鲜肉中单个不饱和脂肪酸及总不饱和脂肪酸指标的近红外光谱定量结果进行有效的优化。

关键词：鲜肉不饱和脂肪酸近红外光谱偏最小二乘降维最小二乘-支持向量机

不同波长提取方法的高光谱成像技术检测番茄叶片早疫病的研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2014年第5期34卷 1362-1366页

作者：程术希谢传奇王巧男何勇邵咏妮浙江大学生物系统工程与食品科学学院浙江杭州310058

提出了基于连续投影算法（successive projections algorithm ，SPA）、载荷系数法（x-loading weights ， x-LW）和格拉姆-施密特正交（gram-schmidt orthogonalization ，GSO）提取特征波长的高光谱成像技术检测番茄叶片早疫病的方法... 详细信息

提出了基于连续投影算法（successive projections algorithm ，SPA）、载荷系数法（x-loading weights ， x-LW）和格拉姆-施密特正交（gram-schmidt orthogonalization ，GSO）提取特征波长的高光谱成像技术检测番茄叶片早疫病的方法。首先获取380～1023 nm波段范围内70个健康和70个染病番茄叶片的高光谱图像信息，然后提取健康和染病叶片感兴趣区域（region of interest ，ROI）的光谱反射率值，建立番茄叶片早疫病的最小二乘-支持向量机（least squares-support vector machine ，LS-SVM ）鉴别模型，建模集和预测集的鉴别率都是100％。再通过SPA 、x-LW和GSO提取特征波长（effective wavelengths ，EW），并建立EW-LS-SVM和特征波长-线性判别分析（ew-linear discriminant analysis ，EW-LDA ）鉴别模型。结果显示，每个模型的鉴别效果都很好，EW-LS-SVM模型中预测集的鉴别率都达到了100％，EW-LDA模型中预测集的鉴别率分别是100％，100％和97.83％。基于 SPA ， x-LW 和 GSO 所建模型的输入变量分别是4个（492，550，633和680nm），3个（631，719和747 nm）和2个（533和657 nm），较少的特征波长便于实时检测仪器的开发。结果表明，高光谱成像技术检测番茄叶片早疫病是可行的，SPA ，x-LW和GSO都是非常有效的特征波长提取方法。

关键词：高光谱成像特征波长线性判别分析最小二乘-支持向量机番茄早疫病

基于近红外光谱技术的油菜叶片丙二醛含量快速检测方法研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2011年第4期31卷 988-991页

作者：孔汶汶刘飞邹强方慧何勇浙江大学生物系统工程与食品科学学院浙江杭州310029

应用近红外光谱技术实现了油菜叶片中丙二醛(MDA)含量的快速无损检测。对90个油菜叶片样本进行光谱扫描,用60个样本建模,30个样本验证。经过平滑、变量标准化、一阶及二阶求导、去趋势等预处理后,建立了MDA预测的偏最小二乘法(PLS)模型... 详细信息

应用近红外光谱技术实现了油菜叶片中丙二醛(MDA)含量的快速无损检测。对90个油菜叶片样本进行光谱扫描,用60个样本建模,30个样本验证。经过平滑、变量标准化、一阶及二阶求导、去趋势等预处理后,建立了MDA预测的偏最小二乘法(PLS)模型。将PLS提取的有效特征变量(LV)和连续投影算法(SPA)提取的有效波长作为最小二乘-支持向量机(LS-SVM)的输入变量,分别建立了LV-LS-SVM和SPA-LS-SVM模型。以预测集的预测相关系数(r),预测标准偏差(RMSEP)作为模型评价指标。结果表明,油菜叶片中MDA含量预测的最优模型为LV-LS-SVM模型,LV-LS-SVM在去趋势处理后的预测效果为r=0.999 9,RMSEP=0.530 2;在二阶求导处理后的预测效果为r=0.999 9,RMSEP=0.395 7。说明应用光谱技术检测油菜叶片中MDA的含量是可行的,并能获得满意的预测精度,为油菜大田生长状况的动态连续监测提供了新的方法。

关键词：近红外光谱油菜丙二醛偏最小二乘法最小二乘-支持向量机

在线全文

学校读者我要写书评

暂无评论

番茄叶片早疫病近红外高光谱成像检测技术

农业机械学报 2015年第3期46卷 315-319页

作者：谢传奇方孝荣邵咏妮何勇浙江大学生物系统工程与食品科学学院杭州310058 佛罗里达大学农业与生物工程系盖恩斯维尔32611 金华职业技术学院成人教育学院金华321017

提出了基于格拉姆斯密特（MGS）模型和贝叶斯罗蒂斯克回归（BlogReg）的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874-1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶... 详细信息

提出了基于格拉姆斯密特（MGS）模型和贝叶斯罗蒂斯克回归（BlogReg）的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874-1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶片30像素×30像素感兴趣区域的光谱反射率。建立了番茄叶片早疫病的最小二乘-支持向量机（LS-SVM）识别模型,再通过MGS和BlogReg提取特征波长（EW）,分别得到5个（911、1 409、1 511、1609、1 656 nm）和9个（901、905、908、915、918、1 123、1 305、1 460、1 680 nm）特征波长,并建立EW-LS-SVM和EWLDA模型。在所有模型中,建模集的正确识别率为93%-98%,预测集的正确识别率为96%-100%。结果表明,近红外高光谱成像技术检测番茄叶片早疫病是可行的,MGS和BlogReg都是有效的特征波长提取方法。

关键词：番茄早疫病近红外光谱格拉姆斯密特模型贝叶斯罗蒂斯克回归最小二乘-支持向量机

基于组合模拟波段的油菜菌核病早期诊断方法研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2010年第7期30卷 1934-1938页

作者：刘飞冯雷楼兵干孙光明王连平何勇浙江大学生物系统工程与食品科学学院浙江杭州310029 浙江大学生物技术研究所浙江杭州310029 浙江省农业科学院植物保护与微生物研究所浙江杭州310021

应用组合模拟波段建立的线性和非线性判别模型实现了油菜菌核病的早期诊断。采集油菜健康叶片80个,菌核病染病叶片100个,采用预处理算法与连续投影算法(SPA)相结合提取组合模拟波段,分别建立偏最小二乘法(PLS)、多元线性回归(MLR)和最... 详细信息

应用组合模拟波段建立的线性和非线性判别模型实现了油菜菌核病的早期诊断。采集油菜健康叶片80个,菌核病染病叶片100个,采用预处理算法与连续投影算法(SPA)相结合提取组合模拟波段,分别建立偏最小二乘法(PLS)、多元线性回归(MLR)和最小二乘-支持向量机(LS-SVM)模型。通过比较,最优PLS判别的预处理分别为直接正交信号校正(DOSC)、De-trending和原始反射光谱(Raw),准确率分别为100%,95.7%和95.7%。应用组合模拟波段的最优线性模型为SPA-MLR(DOSC)和SPA-PLS(DOSC)模型,准确率均为100%,基于DOSC、De-trending和Raw组合模拟波段的SPA-LS-SVM模型的判别准确率均为100%。结果表明,基于组合模拟波段进行油菜菌核病早期诊断是可行的,为油菜菌核病的早期诊断及病害监测仪器的开发提供了方法和依据。

关键词：可见/近红外光谱油菜菌核病直接正交信号校正连续投影算法最小二乘-支持向量机

CPSO-LSSVM在自回归钟差预报中的应用

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2014年第3期44卷 807-811页

作者：刘强孙际哲陈西宏刘继业张群空军工程大学防空反导学院西安710051 西北工业大学航海学院西安710072 空军工程大学信息与导航学院西安710077

建立了基于自回归算法的钟差预报模型,利用具有较强非线性运算能力和容错能力的最小二乘-支持向量机算法来求解自回归参数,同时利用具有快速寻优特点的粒子群算法来优化最小二乘-支持向量机参数。为了克服粒子群算法容易陷入局部极值而... 详细信息

建立了基于自回归算法的钟差预报模型,利用具有较强非线性运算能力和容错能力的最小二乘-支持向量机算法来求解自回归参数,同时利用具有快速寻优特点的粒子群算法来优化最小二乘-支持向量机参数。为了克服粒子群算法容易陷入局部极值而形成早熟的缺点,提出了分别在粒子初始化位置和陷入局部极值的位置上进行混沌处理,提高了粒子搜索的遍历性和寻优能力,从整体上优化了算法。最后通过星载钟差数据对该算法进行了验证,结果表明:本文算法能够实现亚纳秒量级的预报精度并提升卫星授时导航性能。

关键词：计算机应用混沌粒子群最小二乘-支持向量机钟差预报

基于高光谱成像技术的油菜SPAD值空间分布预测及最佳测量叶位

在线全文

学校读者我要写书评

暂无评论

华中农业大学学报 2018年第4期37卷 78-84页

作者：赵琨王臖珂王楚锋谢田晋张建华中农业大学现代教育技术中心武汉430070 华中农业大学资源与环境学院武汉430070 长江水利委员会长江科学院空间信息技术应用研究所武汉430010 农业部长江中下游耕地保育重点实验室武汉430070

采集不同氮素处理水平下的油菜植株不同叶位和叶片部位的高光谱数据、SPAD值和叶绿素含量实测值,在筛选原始高光谱数据预处理方法的基础上,比较基于偏最小二乘(partial least squares,PLS)模型和最小二乘-支持向量机(least squares supp... 详细信息

采集不同氮素处理水平下的油菜植株不同叶位和叶片部位的高光谱数据、SPAD值和叶绿素含量实测值,在筛选原始高光谱数据预处理方法的基础上,比较基于偏最小二乘(partial least squares,PLS)模型和最小二乘-支持向量机(least squares support vector machine,LS-SVM)的SPAD预测模型。结果表明,基于标准正态变量校正(standard normal variate,SNV)预处理方法的LS-SVM模型(SNV-LS-SVM)为最佳高光谱-SPAD预测模型,可准确预测油菜叶片SPAD值空间分布和可视化结果。基于SPAD空间分布结果提取不同叶位和叶片部位的SPAD值,将其与对应植株和叶片位置的实测叶绿素含量进行相关性分析,结果显示,油菜SPAD值最佳测量叶位为顶四叶的顶部。

关键词：油菜叶绿素高光谱成像技术 SPAD值最小二乘-支持向量机偏最小二乘法无损检测

基于近红外光谱技术的针叶材板材表面节子缺陷检测

在线全文

学校读者我要写书评

暂无评论

浙江农林大学学报 2017年第3期34卷 520-527页

作者：周竹尹建新周素茵周厚奎浙江农林大学信息工程学院浙江临安311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江临安311300 浙江农林大学智慧农林业研究中心浙江临安311300

为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca... 详细信息

为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松Pinus contorta-冷杉Abies laciocarp a(SPF)等4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。该结果可为下一步搭建木材节子快速检测系统提供技术支撑。

关键词：木材科学与技术近红外光谱针叶材板材节子随机青蛙算法最小二乘-支持向量机