检索结果-南通市图书馆

基于k-means聚类与Ridge回归算法的煤炭发热量预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

发电技术 2025年第1期46卷 135-144页

作者：乔世超陈衡李博潘佩媛徐钢热电生产过程污染物监测与控制北京市重点实验室(华北电力大学) 北京市昌平区102206

【目的】煤炭发热量是衡量煤质的重要评价标准之一,也是动力用煤计价的主要依据。为了能够在降低预测成本的前提下实现对煤炭发热量的高精度快速预测,提出了一种新的预测方法。【方法】采用k-means聚类算法对相似煤种进行聚类,样本数据... 详细信息

【目的】煤炭发热量是衡量煤质的重要评价标准之一,也是动力用煤计价的主要依据。为了能够在降低预测成本的前提下实现对煤炭发热量的高精度快速预测,提出了一种新的预测方法。【方法】采用k-means聚类算法对相似煤种进行聚类,样本数据来源于山东某电厂自备煤场近6年的4269条入场化验信息。在聚类的基础上,分别建立工业分析数据低位发热量的Ridge回归模型,以此作为煤炭发热量的预测模型。【结果】所建立的k-means聚类与Ridge回归混合模型在预测效果上表现出色。与传统的多元线性回归模型相比,该混合模型可将平均绝对值误差最高减少30.525%,均方根误差最高降低60.054%,相关系数最高提高2.320%。【结论】k-means聚类与Ridge回归混合模型不仅降低了煤炭发热量的预测成本,还提高了预测的精度和速度,为煤炭发热量的预测提供了一种新思路。

关键词：燃煤电厂煤炭发热量工业分析预测 k-means聚类 Ridge回归

基于k-means聚类的LSTM-SVR-DE光伏功率组合预测

在线全文

学校读者我要写书评

暂无评论

综合智慧能源 2025年第2期47卷 71-78页

作者：张元曦杨国华杨娜李祯马鑫刘浩睿南少帅宁夏大学电子与电气工程学院银川750021

为进一步提高光伏发电功率预测的准确性,提出一种基于长短期记忆神经网络(LSTM)和支持向量回归(SVR)的组合预测模型。分别利用LSTM和SVR模型对光伏功率进行预测,在此基础上采用Stacking堆叠集成的策略对2种单一模型预测结果进行线性组合... 详细信息

为进一步提高光伏发电功率预测的准确性,提出一种基于长短期记忆神经网络(LSTM)和支持向量回归(SVR)的组合预测模型。分别利用LSTM和SVR模型对光伏功率进行预测,在此基础上采用Stacking堆叠集成的策略对2种单一模型预测结果进行线性组合,并使用差分进化算法(DE)寻找最佳组合权重。最后,对宁夏某光伏电站的真实数据进行仿真和对比研究,结果表明该方法对比LSTM和SVR模型预测误差减小约70%。

关键词： k-means聚类 LSTM神经网络支持向量回归差分进化法光伏功率预测

融合k-means聚类和标记相关性的多标记Relief特征选择

在线全文

学校读者我要写书评

暂无评论

聊城大学学报（自然科学版） 2025年第1期38卷 122-134页

作者：丰昌武孙林天津科技大学人工智能学院天津300457

现有Relief算法在利用标记相关性方面存在不足,忽视了局部标记相关性所提供的宝贵信息。针对这一问题,提出了一种融合k-means聚类与标记相关性的多标记Relief特征选择方法。首先,为充分考虑样本标记相关性,采用k-means聚类算法对样本进... 详细信息

现有Relief算法在利用标记相关性方面存在不足,忽视了局部标记相关性所提供的宝贵信息。针对这一问题,提出了一种融合k-means聚类与标记相关性的多标记Relief特征选择方法。首先,为充分考虑样本标记相关性,采用k-means聚类算法对样本进行聚类,将其划分到不同的簇中,从而构建样本的局部标记空间。其次,定义了所有样本在特征上的欧式距离,以此衡量样本的全局标记相关性。同时,改进了传统的余弦相似度,使用L1范数的平方根进行优化,并在局部标记空间中应用改进的余弦相似度,以有效获取样本的局部标记相关性。最后,在Relief算法的基础上,融合了样本的全局标记相关性与局部标记相关性,以此作为衡量样本相似度的依据,进而判别最近邻同类样本与最近邻异类样本,最终获得特征权重。为评估所提算法的性能,在10个多标记数据集上进行了对比测试,实验结果证明,与其他多标记特征选择算法相比,本算法具有显著优势。

关键词：多标记学习特征选择 k-means聚类标记相关性 Relief算法

k-means聚类优化井底压力修正模型研究

在线全文

学校读者我要写书评

暂无评论

西南石油大学学报（自然科学版） 2021年第3期43卷 155-164页

作者：张禾全锐西南石油大学机电工程学院四川成都610500

在钻井过程中,由于井底压力计算模型误差大,而井下实测井底压力时数据容易失真、甚至无数据,因而不能准确测定井底压力,对钻井作业带来极大的安全风险。针对此类问题,提出了一种用k-means聚类方法优化朴素贝叶斯模型,结合井底压力监测原... 详细信息

在钻井过程中,由于井底压力计算模型误差大,而井下实测井底压力时数据容易失真、甚至无数据,因而不能准确测定井底压力,对钻井作业带来极大的安全风险。针对此类问题,提出了一种用k-means聚类方法优化朴素贝叶斯模型,结合井底压力监测原理,形成一套实现井底压力智能动态分析k-means聚类优化的朴素贝叶斯模型,利用该模型修正传统水力学模型井底压力计算值,根据修正结果与实测井底压力值进行对比,使得计算结果误差最小。利用现场数据进行对比分析,结果表明,应用基于k-means聚类的朴素贝叶斯模型修正井底压力计算值其误差较小,处于安全钻井压力监测误差范围内,能够满足现场正常钻井要求。

关键词：井底压力 k-means聚类朴素贝叶斯水力学模型压力修正

k-means聚类引导的无人机遥感图像阈值分类方法

在线全文

学校读者我要写书评

暂无评论

自然资源遥感 2021年第3期33卷 114-120页

作者：白俊龙王章琼闫海涛武汉工程大学土木工程与建筑学院武汉430073 中交第二公路勘察设计研究院有限公司武汉430052

针对无人机获取的高分辨率遥感图像分类需求,提出一种k-means聚类引导的阈值分类方法。首先计算出无人机遥感图像数据集的Average Silhouette值,作为k-means的最优聚类数目;然后对原始图像进行k-means聚类初分割,对初分割结果中的非目... 详细信息

针对无人机获取的高分辨率遥感图像分类需求,提出一种k-means聚类引导的阈值分类方法。首先计算出无人机遥感图像数据集的Average Silhouette值,作为k-means的最优聚类数目;然后对原始图像进行k-means聚类初分割,对初分割结果中的非目标区域进行手工剔除;再对处理之后的新对象进行阈值分割和图像优化,完成对象的提取;最后对所有处理得到的地物标签进行合并,实现遥感图像的识别与分类。基于MATLAB/GUI平台,对提出的分类方法处理步骤进行集成,开发了无人机遥感图像分类处理系统,可对无人机遥感图像进行快速处理,实现半自动解译。对分类结果进行精度验证,其总体精度为91.09%,kappa系数为0.88,表明该方法用于无人机遥感图像分类处理,能够实现地物的精确分类与信息提取。

关键词： k-means聚类无人机遥感阈值分割图像分类 MATLAB/GUI

k-means聚类在我国专利申请分析中的应用

在线全文

学校读者我要写书评

暂无评论

情报杂志 2010年第B12期29卷 44-47页

作者：彭剑芳云南大学情报与档案学系昆明650200

专利的申请量和拥有量是衡量一个国家或地区科技水平高低的重要指标,对专利信息的分析也是一项有意义的研究。借助数据挖掘工具SPSS Clementine 11.1,使用k-means聚类模型,在对我国2009年各省市区专利申请及授权的基本情况进行分析的基... 详细信息

专利的申请量和拥有量是衡量一个国家或地区科技水平高低的重要指标,对专利信息的分析也是一项有意义的研究。借助数据挖掘工具SPSS Clementine 11.1,使用k-means聚类模型,在对我国2009年各省市区专利申请及授权的基本情况进行分析的基础上,对比各地区的社会经济状况,总结出了专利活动与经济社会发展之间的一些规律,并提出了一些建议,为研究专利对经济社会发展的促进作用提供参考资料。

关键词：数据挖掘聚类分析 k-means聚类专利申请分析

惯性行人导航零速区间检测的非线性空间k-means聚类算法

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

北京航空航天大学学报 2023年第10期49卷 2841-2850页

作者：马宇峰戴邵武王瑞戴洪德郑百东海军航空大学岸防兵学院烟台264001

惯性行人导航系统中,零速区间检测的准确性直接关系着基于零速修正(ZUPT)的行人导航精度。为此,设计了一种基于非线性空间映射与k-means聚类算法结合的零速区间检测算法。通过经典零速区间检测算法广义似然比检测(GLRT)确定初始零速区间... 详细信息

惯性行人导航系统中,零速区间检测的准确性直接关系着基于零速修正(ZUPT)的行人导航精度。为此,设计了一种基于非线性空间映射与k-means聚类算法结合的零速区间检测算法。通过经典零速区间检测算法广义似然比检测(GLRT)确定初始零速区间;选取零速区间与非零速区间交界处的加速度数据,将合加速度幅值作为变量,映射到设计的非线性空间中,放大数据差异;利用k-means聚类算法对映射后的数据进行聚类,经过去噪声处理后确定出更精准的零速区间;通过惯性行人导航系统实验验证非线性空间k-means聚类零速区间检测算法的有效性。实验表明,所提出的惯性行人导航零速区间检测的非线性空间k-means聚类算法相比于GLRT算法和基于k-means聚类的零速区间检测算法,定位精度显著提高,并在匀速行走、变速行走和长距离长航时行走3种运动模式下进行了实验验证;相比基于k-means聚类的零速区间检测算法,减小了计算量。所提算法能够自适应不同的运动状态,无需随时调整阈值,且理论上可以优化任意传统零速区间检测算法,具有良好的工程应用价值。

关键词：零速检测惯性行人导航非线性空间映射 k-means聚类零速区间

同方期刊数据库

基于k-means聚类和ELM神经网络的养殖水质溶解氧预测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2016年第17期32卷 174-181页

作者：宦娟刘星桥江苏大学电气信息工程学院镇江212013 常州大学信息科学与工程学院常州213164

为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于k-means聚类和ELM神经网络(extreme learning machine,ELM)的溶解氧预测模型。采用皮尔森相关系... 详细信息

为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于k-means聚类和ELM神经网络(extreme learning machine,ELM)的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量-相似度,通过k-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。

关键词：神经网络模型养殖溶解氧预测相似日 k-means聚类 ELM神经网络

基于k-means聚类方法和相似时段的特高压并联电抗器油温预测

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2021年第6期41卷 213-219页

作者：谭风雷陈昊何嘉弘国网江苏省电力有限公司检修分公司江苏南京211102 东南大学电气工程学院江苏南京210096

为及时评估特高压并联电抗器内部的绝缘状态,提出了一种特高压并联电抗器油温预测方法。首先基于特高压并联电抗器油温曲线的“单峰单谷”变化趋势,利用k-means聚类方法将油温曲线划分为低谷时段和高峰时段2个部分。然后分析了特高压并... 详细信息

为及时评估特高压并联电抗器内部的绝缘状态,提出了一种特高压并联电抗器油温预测方法。首先基于特高压并联电抗器油温曲线的“单峰单谷”变化趋势,利用k-means聚类方法将油温曲线划分为低谷时段和高峰时段2个部分。然后分析了特高压并联电抗器油温的主要影响因素,并根据k-means聚类和时间“近大远小”原则,基于气象、油温和时间3个因素对油温历史样本进行3次分类后,选择得到了相似时段。最后详细给出了基于相似时段的油温预测方法的计算流程。将所提方法应用到江苏地区某特高压并联电抗器油温的预测工作中,结果表明所提方法的平均误差为1.03%,最大误差为4.84%,具有较高预测精度,从而验证了方法的有效性。

关键词：特高压并联电抗器油温预测单峰单谷 k-means聚类相似时段