检索结果-南通市图书馆

基于双层分解和核函数极限学习机的城市轨道交通短时客流预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双层分解和核函数极限学习机的城市轨道交通短时客流预测

作者：胡进宝北京交通大学

学位级别：硕士

随着我国城市轨道交通建设步伐的进一步加快,城市轨道交通系统不断向着网络化运营趋势发展,运输组织模式日益复杂化,因此如何提高运输效率、提升服务水平、保障运营安全成为轨道交通网络化运营亟待解决的问题。城市轨道交通短时进站量... 详细信息

随着我国城市轨道交通建设步伐的进一步加快,城市轨道交通系统不断向着网络化运营趋势发展,运输组织模式日益复杂化,因此如何提高运输效率、提升服务水平、保障运营安全成为轨道交通网络化运营亟待解决的问题。城市轨道交通短时进站量预测作为短时客流预测的重要组成部分,寻求科学合理、预测精度更高的预测模型,不仅有助于进一步把握客流动态变化规律、制定列车短时开行方案,调整车站管理策略,而且有助于实现城市轨道交通科学、高效、安全运营,因此城市轨道交通短时进站客流量预测研究意义重大。论文首先分析了 AFC数据上传过程中存在的缺陷,并在此基础上提出了城市轨道交通车站进站量异常值识别及校正方法,从而实现了对进站量数据的有效还原,并进一步分析了城市轨道交通进站客流的时空分布特征;其次,针对城市轨道交通短时客流的非线性、非平稳性特征,论文通过利用完全总体经验模态分解对城市轨道交通短时客流进行平稳化处理,并引入样本熵理论对分解分量的可预测性进行评价,之后对可预测性较低的高频分量进行变分模态分解,以便进一步削弱短时客流随机性;再者,论文建立了基于核函数极限学习机的短时客流预测模型,并结合模拟退火和粒子群算法实现参数的优化选取,进一步提高了短时预测的准确性和适用性;最后,论文选取北京市轨道交通系统中的西直门地铁站进行实例研究,并依次进行单步、多步预测,实例预测结果表明,论文所构建的短时预测模型与传统预测模型相比具有更理想的预测结果,并在一定程度上提高了短时客流预测的精度,同时论文的研究对于指导轨道交通未来发展规划也具有一定的现实意义。

关键词：短时客流预测完全总体经验模态分解变分模态分解核函数极限学习机模拟退火粒子群算法

基于核函数极限学习机和小波包变换的EEG分类方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

北京生物医学工程 2018年第5期37卷 481-487,524页

作者：王丽兰陟杨荣王强李宏亮国家康复辅具研究中心北京100176

目的为实现运动功能障碍患者的运动意愿,基于脑-机接口(brain-computer interface,BCI)的康复训练技术是近年来的研究热点。脑-机接口的关键技术是快速准确地识别出与运动想象相关的脑电模式。针对脑电信号非平稳及个性化差异等特点,利... 详细信息

目的为实现运动功能障碍患者的运动意愿,基于脑-机接口(brain-computer interface,BCI)的康复训练技术是近年来的研究热点。脑-机接口的关键技术是快速准确地识别出与运动想象相关的脑电模式。针对脑电信号非平稳及个性化差异等特点,利用小波包理论和核函数极限学习机(extreme learning machine,ELM)方法,提出一种自适应的特征分类方法来提高脑电信号的分类识别率。方法由于小波包存在着频带交错的现象,所以首先利用距离准则将自适应提取的最优小波包的平均能量作为特征向量,并采用核函数ELM方法进行分类。最后利用BCI竞赛数据进行了脑电信号特征分类的仿真研究,并对不同算法的分类识别率进行仿真分析。结果自适应特征分类方法对用于实验的脑电数据的平均分类识别率达到97.6%,对比ELM、神经网络(back propagation,BP)和支持向量机(support vector machine,SVM)分类方法,核函数ELM方法在分类时间和识别精度上效果最佳。结论本文提出的脑电信号分类方法取得了较高的分类识别率,适用于脑电信号的分类应用。

关键词：脑-机接口小波包变换核函数极限学习机分类方法

基于相似日聚类和PCC-VMD-SSA-KELM模型的短期光伏功率预测

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2期45卷 460-468页

作者：李争张杰徐若思罗晓瑞梅春晓孙鹤旭河北科技大学电气工程学院石家庄050018 河北建投新能源有限公司石家庄050051

由于光伏发电的随机性和不稳定性会影响功率预测的精度,提出一种基于皮尔逊相关系数(PCC)、K-均值算法(K-means)、变分模态分解(VMD)、麻雀搜索算法(SSA)、核函数极限学习机(KELM)的光伏功率短期预测模型。首先,用PCC选取主要因素作为输... 详细信息

由于光伏发电的随机性和不稳定性会影响功率预测的精度,提出一种基于皮尔逊相关系数(PCC)、K-均值算法(K-means)、变分模态分解(VMD)、麻雀搜索算法(SSA)、核函数极限学习机(KELM)的光伏功率短期预测模型。首先,用PCC选取主要因素作为输入;K-均值算法进行相似日聚类,将历史数据聚类为晴天、多云和雨天;其次,VMD对原始信号进行分解,充分提取集合中的输入因素信息,提高数据质量;SSA优化KELM模型的核函数参数和正则化系数解决其参数选择敏感问题;最后,将不同序列预测值叠加得到最终预测结果。仿真结果表明,所提相似日聚类下PCC-VMD-SSA-KELM模型具有较小的预测误差。

关键词：光伏发电功率预测变分模态分解 K-均值麻雀算法核函数极限学习机

在线全文

学校读者我要写书评

暂无评论

基于特征与决策双融合的语音情感识别研究

基于特征与决策双融合的语音情感识别研究

作者：高霖哈尔滨理工大学

学位级别：硕士

随着人工智能的不断发展,用户对人机交互界面的需求越来越高,人类希望计算机能够感知到人的情绪变化,使人与计算机之间的交流更顺畅。作为人机交互的关键技术,语音情感识别受到研究人员的广泛关注,在远程教育、医疗诊断和交通驾驶等领... 详细信息

随着人工智能的不断发展,用户对人机交互界面的需求越来越高,人类希望计算机能够感知到人的情绪变化,使人与计算机之间的交流更顺畅。作为人机交互的关键技术,语音情感识别受到研究人员的广泛关注,在远程教育、医疗诊断和交通驾驶等领域都得到了应用。因此,语音情感识别研究具有重要的研究意义和实用价值。针对单一语音情感特征识别效果差的问题,给出了基于MFCC和IMFE特征融合的语音情感识别算法。本文使用情感特征参数选择和融合方法,首先采取方差比测度与可分性测度的语音情感特征参数评价方法,通过判断出各维特征之间的可分性与相关性,将MFCC与IMFE中的最佳部分特征进行融合,得到了新的语音情感融合特征MFCC-IMFE,最后利用KELM分类器进行语音情感分类。通过在IEMOCAP数据库上进行实验,得到了90.25%的识别准确率,与在IEMOCAP数据库上识别率最高的基于多核学习融合音频特征的算法相比,本文算法提高了5.73%,为下文研究双融合算法做准备。针对单一特征、单分类器的语音情感识别性能偏弱的问题,通过对传统融合算法进行改进,在上文研究特征融合算法的基础上加入了决策融合算法,给出了一种基于特征与决策双融合的语音情感识别算法,保留了各类情感信息之间的差异性和相关性。首先将MFCC特征输入到卷积循环神经网络,结合多头注意力机制划分很多子空间学习,并赋予情感特征不同的权重,再通过KELM分类器进行情感分类;然后对两个单分类器训练,把它们的数值输出转换为概率输出;接着根据制定的决策策略,得到测试样本的自适应权值;最后对输出的概率线性加权,并判别输出。通过在IEMOCAP数据库上进行实验,语音情感的识别准确率可达96.5%,与目前识别率最高的基于模糊认知图的融合算法相比,本文算法提高了7.07%的识别准确率。

关键词：语音情感识别特征提取特征融合决策融合核函数极限学习机

基于EEMD模糊熵和PSO-KELM的NPC三电平逆变器故障诊断

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EEMD模糊熵和PSO-KELM的NPC三电平逆变器故障诊断

作者：马子旸安庆师范大学

学位级别：硕士

随着新能源技术的发展,光伏发电越来越普及到人们的生活中,逆变器是新能源开发中不可或缺的部分,其中中点钳位型（Neutral Point Clamped,NPC）三电平光伏逆变器具有输出谐波小和电磁干扰小等特点,广泛应用于光伏发电领域。功率开关器件... 详细信息

随着新能源技术的发展,光伏发电越来越普及到人们的生活中,逆变器是新能源开发中不可或缺的部分,其中中点钳位型（Neutral Point Clamped,NPC）三电平光伏逆变器具有输出谐波小和电磁干扰小等特点,广泛应用于光伏发电领域。功率开关器件是NPC三电平光伏逆变器的核心部件,但极易发生开路故障,故对其进行故障诊断方法研究很有必要。本研究以NPC三电平光伏逆变器为研究对象,主要研究内容有以下四个方面:（1）对NPC三电平光伏逆变器的几何拓扑结构,工作原理,控制策略以及故障成因进行分析,并将所有的故障情况划分为四大类和二十二小类。对不同故障状况下的电压信号特征进行分析,确定故障模式。在MATLAB/SIMULINK平台搭建NPC三电平光伏逆变器仿真模型,模拟不同故障模式的工作情况。采样功率开关器件的桥臂输出端的三相电压作为故障信号,用作样本数据区分各种故障类型。（2）根据NPC三电平光伏逆变器故障信号的特点,提出了一种基于集合经验模态分解（Ensemble Empircial Mode Decomposition,EEMD）和模糊熵降维的故障特征提取方法。针对EEMD分解产生的无效本征模态函数（Intrinsic Mode Function,IMF）分量维数过高,通过计算IMF分量的皮尔逊相关系数剔除相关度较低的无效分量,再利用模糊熵特征降维,从而剔除冗余信号,获取维度较低的故障特征。（3）提出了一种基于核函数极限学习机（Kernel Extreme Learning Machine,KELM）和粒子群算法（Particle Swarm Optimization,PSO）的故障诊断方法。针对传统KELM的参数优化问题,采用PSO算法优化KELM建立PSO-KELM故障诊断模型。提取不同故障模式下的EEMD样本熵作为特征向量,将其划分为训练集和测试集,其中训练集用于建立PSO-KELM故障诊断模型,测试集用于测试PSO-KELM故障诊断模型的精度。（4）提出了一种基于EEMD模糊熵和PSO-KELM的NPC三电平光伏逆变器故障诊断方法。实验结果表明,该诊断方法的正确率达到了99.3636%。将EEMD模糊熵和与EEMD样本熵进行特征提取方法对比,故障诊断正确率提高了0.8181%,这说明EEMD模糊熵提取了信号更为本质和核心的特征;将PSO-KELM和KELM进行对比,表明了粒子群优化算法对于故障诊断模型性能具有提升作用,且故障诊断正确率提高了1.5454%;PSO-KELM对比PSO-SVM和随机森林（Random Forest,RF）,故障诊断率分别提高了1.4545%和0.505%,这说明了KELM相较于其他分类器,在处理NPC三电平光伏逆变器信号数据时的泛化性和稳定性更好。因此PSO-KELM作为故障诊断模型在测试中得到了最高的故障诊断正确率。

关键词：故障诊断集合经验模态分解模糊熵粒子群核函数极限学习机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

传感器故障后多变量经验小波变换多点预测

振动．测试与诊断 2019年第1期39卷 197-208,230-231页

作者：李春祥张佳丽上海大学土木工程系上海200444

为有效应对多点风速传感器或风压传感器故障而造成的损失,同时为了降低运算的复杂性和工程应用的难度,需要提出同步恢复缺失数据的模型。传统的多通道信号诊断采用多元经验模态分解(multivariate empiricalmode decomposition,简称MEMD)... 详细信息

为有效应对多点风速传感器或风压传感器故障而造成的损失,同时为了降低运算的复杂性和工程应用的难度,需要提出同步恢复缺失数据的模型。传统的多通道信号诊断采用多元经验模态分解(multivariate empiricalmode decomposition,简称MEMD),笔者提出多变量经验小波变换(multivariable empirical wavelet transform,简称MEWT)来同步恢复多点缺失数据。具体应用时,首先,运用MEWT将多点信号同时分解为一系列模态;然后,利用核函数极限学习机(kernel-based extreme learning machine,简称KELM)实现同步预测,同时运用杜鹃搜索(cuckoo search,简称CS)算法对模型的正则化参数以及核参数进行智能寻优。多步预测时,采用多输入多输出(multi-input multi-output,简称MIMO)策略代替传统的滚动策略。建筑物表面实测多点风压数据和实测多点下击暴流风速数据用于验证模型的可行性。与噪声辅助的多元经验模态分解核函数极限学习机的对比结果表明,该模型能更高精度地同步恢复多点多步信号。

关键词：传感器故障核函数极限学习机杜鹃搜索算法多变量经验小波变换同步多步预测

低成本微电网轻量化在线超短期光伏功率预测算法设计

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2016年第12期33卷 1658-1666页

作者：陈晓科陈奇芳何婷黄锦成广东电网有限责任公司电力科学研究院广东省智能电网新技术企业重点实验室广东广州510080 华北电力大学新能源电力系统国家重点实验室北京102206 华南理工大学电力学院广东省绿色能源技术重点实验室广东广州510640 广东智造能源科技研究有限公司广东广州511458

本文结合用户侧光伏微电网的实际工程需求,研究了满足嵌入式应用需求的轻量化在线超短期光伏功率预测算法.采用了核函数极限学习机算法作为在线超短期光伏功率预测算法的核心,通过使用特征序列代替传统时间序列作为训练样本集,实现了数... 详细信息

本文结合用户侧光伏微电网的实际工程需求,研究了满足嵌入式应用需求的轻量化在线超短期光伏功率预测算法.采用了核函数极限学习机算法作为在线超短期光伏功率预测算法的核心,通过使用特征序列代替传统时间序列作为训练样本集,实现了数据量的轻量化设计;通过基于趋势加权相似度的训练样本精选,提高了算法精度,简化了计算量,降低了算法计算时间.通过嵌入式系统实验测试结果表明,本文提出的轻量化超短期光伏预测算法在精度、计算时间和数据存储等方面都能满足嵌入式系统低成本应用的需求.

关键词：光伏功率预测超短期轻量化核函数极限学习机

自适应的KEEMD方法及其在光谱去噪中的应用

在线全文

学校读者我要写书评

暂无评论

北京工业大学学报 2016年第4期42卷 513-520页

作者：徐喆王超北京工业大学电子信息与控制工程学院北京100124

聚合经验模态分解(ensemble empirical mode decomposition,EEMD)方法极好地抑制了EMD算法的模态混叠,但仍未很好地解决端点效应,另外由于EEMD加入白噪声的幅值系数及总体平均次数需靠经验设定,不利于信号快速、准确地分解与重构.针对... 详细信息

聚合经验模态分解(ensemble empirical mode decomposition,EEMD)方法极好地抑制了EMD算法的模态混叠,但仍未很好地解决端点效应,另外由于EEMD加入白噪声的幅值系数及总体平均次数需靠经验设定,不利于信号快速、准确地分解与重构.针对上述问题,提出了自适应KEEMD(KELM-EEMD)方法.首先,基于核函数的极限学习机结合镜像法进行极值点延拓以抑制端点效应,并用于仿真信号分解及小麦反射光谱的去噪,验证了该方法抑制端点效应的有效性.其次,通过抑制端点效应后分解获得的高频分量,自适应地确定算法所需加入白噪声的幅值系数及总体平均次数,将此自适应KEEMD方法用于油菜、菠菜反射光谱的去噪.结果表明:该方法更加快速地获得了与靠经验设定参数的KEEMD方法基本一致的去噪效果.

关键词：聚合经验模态分解端点效应核函数极限学习机自适应光谱去噪

基于KELM地面沉降替代模型的地下水多目标管理模型研究

在线全文

学校读者我要写书评

暂无评论

南京大学学报（自然科学版） 2019年第3期55卷 349-360页

作者：杨蕴宋健朱琳吴剑锋王锦国河海大学地球科学与工程学院南京210098 南京大学地球科学与工程学院南京210023 首都师范大学北京100048

基于核函数极限学习机(Kernelextreme learning machine,KELM)方法建立地下水-地面沉降耦合的替代模型,与混合多目标算法(Non-dominated Sorting Genetic Algorithm II,NSGAII)相耦合,实现在地面沉降约束下(沉降速率和地下水位红线)地... 详细信息

基于核函数极限学习机(Kernelextreme learning machine,KELM)方法建立地下水-地面沉降耦合的替代模型,与混合多目标算法(Non-dominated Sorting Genetic Algorithm II,NSGAII)相耦合,实现在地面沉降约束下(沉降速率和地下水位红线)地下水资源合理开发利用和地面沉降防控减灾的多目标优化.以三维均质多层含水系统中抽水引发的地面沉降算例为对象,采用MODFLOW-2005中的地面沉降模拟子程序(Subsidence for the water table,SUB-WT)模拟地面沉降过程,基于KELM方法,采用线下和线上两种模式建立替代模型,分别构建了基于线下地面沉降替代模型的多目标管理模型(KELM model based multi-objective optimization model for land subsidence management,KELM&MOLS)和基于自适应(线上)替代模型的多目标管理模型(Adaptive KELM&MOLS,AKELM&MOLS).模拟优化结果显示:(1)基于线上模式训练的替代模型的模拟精度更高,拟合相关系数达0.9988以上,基本接近SUB-WT模拟模型的评价精度;(2)KELM&MOLS优化求解效率提高了15倍,但其搜索的Pareto解的质量最差,AKELM&MOLS求解效率提高了3倍,同时保证了优化解的收敛性和精度.

关键词：地面沉降替代模型地下水管理自适应训练核函数极限学习机