期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到90篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多策略改进核搜索算法及其应用 认领 引用 被引量：1
1
作者 董如意 袁文康 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第5期1385-1398,共14页
针对核搜索算法(KSO)易陷入局部最优的不足,提出了一种多策略改进的核搜索算法(MSKSO)。首先,引入融合Tent混沌映射与量子计算的种群初始化策略,增强了种群的多样性和随机性;然后,提出了一种动态精英反向学习策略,进一步扩展种群的全局... 针对核搜索算法(KSO)易陷入局部最优的不足,提出了一种多策略改进的核搜索算法(MSKSO)。首先,引入融合Tent混沌映射与量子计算的种群初始化策略,增强了种群的多样性和随机性;然后,提出了一种动态精英反向学习策略,进一步扩展种群的全局搜索范围;最后,采用灰狼优化算法的搜索机制,增强了种群的局部寻优能力。通过使用CEC2017测试函数集,验证了MSKSO具有更优的寻优性能和鲁棒性,并将MSKSO应用于实际的经济排放调度问题中,进一步验证了该算法的有效性和鲁棒性。 展开更多
关键词 计算机应用 群智能优化 核搜索算法 混沌映射 量子计算 动态精英反向学习 灰狼算法 经济排放调度
基于MWMOTE和SSA-KELM的电力系统静态电压稳定评估 认领 引用 被引量：1
2
作者 刘颂凯 曹俊 +4 位作者 苏攀 高坤 吴宇恒 万明 艾迪 《电力科学与技术学报》 CAS CSCD 北大核心 2026年第1期13-22,共10页
基于数据驱动的电力系统静态电压稳定评估方法通常存在初始数据样本类别不平衡问题,导致数据驱动评估模型的性能受到很大的影响。为此,提出一种基于带多数类权重的少数类过采样技术(majority weighted minority oversampling technique,... 基于数据驱动的电力系统静态电压稳定评估方法通常存在初始数据样本类别不平衡问题,导致数据驱动评估模型的性能受到很大的影响。为此,提出一种基于带多数类权重的少数类过采样技术(majority weighted minority oversampling technique,MWMOTE)和麻雀搜索算法优化核极限学习机(sparrow search algorithm-kernel extreme learning machine,SSA-KELM)的电力系统静态电压稳定评估方法。首先,利用MWMOTE解决样本类别不平衡问题,增加样本多样性;然后,使用SSA优化KELM模型参数,构建基于SSA-KELM的电力系统静态电压稳定评估模型;最后,在新英格兰10机39节点系统上进行验证。测试结果表明,所提方法不仅能够有效应对样本类别不平衡问题,还具有良好的评估准确率和泛化能力。 展开更多
关键词 样本类别不平衡 静态电压稳定评估 带多数类权重的少数类过采样技术 麻雀搜索算法 核极限学习机
暂未订购 下载PDF
基于多模态数据融合的DIP行为异常检测与应用 认领 引用
3
作者 部文茜 王海军 +1 位作者 王荣菊 高媛 《电子设计工程》 2026年第9期47-51,共5页
为提高医保DIP数据中医疗行为异常检测的性能,提出了一种结合多模态数据的异常检测方法。采用核主成分分析处理多模态医疗数据,提取非线性特征;构建基于隔离森林的异常检测模型,并运用改进麻雀搜索算法优化隔离森林参数。实验结果表明,... 为提高医保DIP数据中医疗行为异常检测的性能,提出了一种结合多模态数据的异常检测方法。采用核主成分分析处理多模态医疗数据,提取非线性特征;构建基于隔离森林的异常检测模型,并运用改进麻雀搜索算法优化隔离森林参数。实验结果表明,所提方法在异常检测中取得93.3%的准确率、91.6%的召回率、90.4%的精确率、91%的F1分数和0.94的AUC值,各项性能均优于对比方法。该方法能够有效识别医保异常行为,为医保基金监管提供了新的有效方案。 展开更多
关键词 医保DIP 异常检测 多模态 核主成分 麻雀搜索算法
暂未订购 下载PDF
基于改进麻雀搜索算法优化KELM的变压器故障诊断方法 认领 引用
4
作者 徐松晓 赵军愉 +3 位作者 张元波 路小军 王艳 李伟 《高压电器》 CAS CSCD 北大核心 2026年第6期50-58,69,共9页
针对传统浅层机器学习在特征提取方面的不足,为增强其对变压器故障诊断的能力,提出一种基于改进麻雀搜索算法优化KELM的变压器故障诊断方法。首先利用深度置信网络(deep belief networks,DBN)对变压器故障样本数据进行特征提取;其次,将... 针对传统浅层机器学习在特征提取方面的不足,为增强其对变压器故障诊断的能力,提出一种基于改进麻雀搜索算法优化KELM的变压器故障诊断方法。首先利用深度置信网络(deep belief networks,DBN)对变压器故障样本数据进行特征提取;其次,将引入惩罚因子C和核函数参数S的核极限学习机(kernel extreme learning machine,KELM)作为分类器,深入分析易混淆样本的特征值与变压器故障类型间的关联性,进一步提高故障诊断模型的稳定性和泛化能力;然后,利用Levy变异因子改进的麻雀搜索算法(improved sparrow search algorithm,ISSA)优化KELM的惩罚因子C和核函数参数S,以增强的麻雀搜索算法的全局搜索能力,进一步提高故障诊断模型的稳定性和准确率。最后,基于油中溶解气体数据的变压器故障诊断实验结果表明:所提基于ISSA优化KELM的变压器故障诊断方法,收敛速度更快、稳定性更好、诊断准确率更高,适用于变压器故障诊断。 展开更多
关键词 变压器 故障诊断 深度置信网络 核极限学习机 Levy因子 麻雀搜索算法
暂未订购 下载PDF
基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型 认领 引用 被引量：3
5
作者 李时宜 代鑫 +2 位作者 刘骞 左明辉 高旭 《铁道标准设计》 北大核心 2026年第1期143-151,共9页
为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数... 为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数矩阵分析各指标间的相关性,而后利于核主成分分析法(KPCA)对原始数据进行主成分提取。其次引入Sine混沌映射、动态自适应权重、Levy飞行策略以及融合柯西变异的反向学习对麻雀搜索算法(SSA)进行改进,以提升其全局搜索能力,而后利用改进的麻雀搜索算法(ISSA)优化KELM中核参数γ和正则化系数C,构建一种基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型。引入PSO-BPNN、PSO-SVM、SSA-SVM模型,对比测试原始数据和降维后的数据,表明使用KPCA进行数据处理能够提升模型预测准确率,同时由其预测结果可知,在使用KPCA降维后的数据时,ISSA-KELM模型相较于其他模型在测试样本中的Ac分别提高0.22、0.22、0.11,P分别提高0.2、0.23、0.1,R分别提高0.24、0.25、0.14,F1-Score分别提高0.22、0.24、0.12。最后,将ISSA-KELM模型应用于西南部某铁路隧道,验证该模型的可靠性和稳定性,表明其更适合于铁路隧道煤与瓦斯突出预测,可为相似瓦斯隧道设计与施工提供借鉴。 展开更多
关键词 瓦斯隧道 煤与瓦斯突出 核主成分分析(KPCA) 麻雀搜索算法(SSA) 核极限学习机(KELM) 预测模型
暂未订购 下载PDF
基于改进支持向量机的有源配电网单相断线故障检测方法 认领 引用 被引量：3
6
作者 吴宇轩 欧阳森 +3 位作者 杨向宇 陈汉栋 黎人玮 廖键 《发电技术》 CSCD 2026年第1期185-194,共10页
【目的】断线故障的及时、准确检测对保障配电网的正常安全运行至关重要,而目前的单相断线故障检测的传统判据在有源配电网中的应用存在一定的局限性,因此,提出了一种基于改进支持向量机对多种电气特征量进行融合的单相断线故障检测方... 【目的】断线故障的及时、准确检测对保障配电网的正常安全运行至关重要,而目前的单相断线故障检测的传统判据在有源配电网中的应用存在一定的局限性,因此,提出了一种基于改进支持向量机对多种电气特征量进行融合的单相断线故障检测方法。【方法】首先,建立了兼具启动判据、传统判据、有源判据的电气特征量指标体系。其次,通过开关量化法对启动判据进行处理。然后,通过核主成分分析方法从启动判据以外的特征指标体系中筛除低贡献率的特征指标。最后,将降维后的数据输入支持向量机,通过麻雀搜索算法完成支持向量机参数优化,得到断线故障检测模型。【结果】在改进IEEE15节点模型上进行的仿真算例表明,所提方法可将有效实现特征量的降维,较单一判据提升了8.87%的检测准确率。【结论】该方法解决了单相断线故障检测的传统判据容易失效的问题,能有效完成不同场景下的故障检测。 展开更多
关键词 有源配电网 单相断线 支持向量机 麻雀搜索算法 核主成分分析
暂未订购 下载PDF
基于SSA优化器和改进极限学习机的低孔渗砂砾岩水淹层评价方法研究 认领 引用
7
作者 马潇潇 杨经栋 +4 位作者 冯欢 熊卫峰 张志平 龚宇 刘迪仁 《石油物探》 CAS CSCD 北大核心 2026年第2期362-373,共12页
低孔渗砂砾岩储层具有较强的非均质性,水淹层的测井响应特征复杂多变,导致其识别难度较大。为准确、快速地划分水淹级别,基于核极限学习机(kernelized extreme learning machine,KELM)和融合麻雀搜索算法(sparrow search algorithm,SSA)... 低孔渗砂砾岩储层具有较强的非均质性,水淹层的测井响应特征复杂多变,导致其识别难度较大。为准确、快速地划分水淹级别,基于核极限学习机(kernelized extreme learning machine,KELM)和融合麻雀搜索算法(sparrow search algorithm,SSA),提出了一种水淹级别评价混合模型(SSA-KELM)。首先,通过分析不同水淹级别的测井响应特征,优选出水淹敏感的测井曲线作为测试与训练的样本集;其次,利用麻雀搜索优化器寻优核极限学习机模型的重要超参数;最后,将SSA-KELM模型与极限学习机(ELM)、粒子群优化算法(PSO)-ELM,KELM,遗传算法(GA)-KELM,PSO-KELM等5种模型进行了对比。实验结果表明:当麻雀数量为200只时,寻优得到的KELM模型最优超参数为C=97.39,gamma=0.3,此时SSA-KELM模型的划分精度最高,泛化能力最佳。实例井应用的符合率达到85.4%,实际应用效果优于ELM,PSO-ELM,KELM,GA-KELM及PSO-KELM等模型,为低孔低渗储层水淹级别的评价提供了新的思路和方法。 展开更多
关键词 低孔渗砂砾岩储层 水淹级别评价 核极限学习机 麻雀搜索优化器
暂未订购 下载PDF
基于KPCA-BAS-SVM模型的岩爆等级预测 认领 引用
8
作者 张鼎 周宗红 +2 位作者 翟会超 刘银 乔天强 《中国矿业》 CAS 北大核心 2026年第6期121-129,共9页
随着矿山、隧道等地下工程向着深部发展,岩爆灾害准确预报预警能有效降低对施工人员和设备造成的伤害。根据岩爆成因、特点、影响因素,选取围岩最大切向应力(MTS)、抗压强度(UCS)、抗拉强度(UTS)、应力系数(SCF)、脆性系数(BI)、弹性能... 随着矿山、隧道等地下工程向着深部发展,岩爆灾害准确预报预警能有效降低对施工人员和设备造成的伤害。根据岩爆成因、特点、影响因素,选取围岩最大切向应力(MTS)、抗压强度(UCS)、抗拉强度(UTS)、应力系数(SCF)、脆性系数(BI)、弹性能量指数(WET)作为岩爆预测指标。在收集184组国内外岩爆案例的基础上,建立岩爆数据库。为简化模型输入参数并充分保留岩爆数据的特征信息,本文采用线性加权融合策略,将多项式核函数与高斯径向基核函数相结合构建组合核函数,并利用网格搜索法确定二者的最优组合系数。采用天牛须搜索算法(BAS)对支持向量机(SVM)的惩罚参数c和核函数参数g进行寻优,以消除人为主观因素对岩爆预测结果可靠性的干扰。选取降维后的三个核主成分对优化模型进行训练与测试,利用混淆矩阵及多个评价指标评估模型性能,并将预测结果与SVM模型、BASSVM模型进行对比。研究结果表明:KPCA-BAS-SVM模型的预测准确率达到89.3%,较SVM模型和BAS-SVM模型分别提高17.4%和13.6%。此外,该模型在岩爆预测中的平均精确率为91.0%,平均召回率为91.7%,F1得分为91.3%,三项指标均显著优于对比模型。将模型应用于括苍山隧道和马路坪矿,预测等级与实际等级基本一致,验证了模型的可行性和适用性,可为岩爆预警提供一种新思路。 展开更多
关键词 岩爆等级预测 核主成分分析法 支持向量机 天牛须搜索算法 机器学习
暂未订购 下载PDF
基于麻雀搜索算法-支持向量机回归模型的非均质边坡稳定性快速评价方法 认领 引用
9
作者 张伯川 邓亚虹 +2 位作者 刘凡 钱法桥 慕焕东 《地球科学与环境学报》 CAS 北大核心 2026年第2期305-316,共12页
黄土高原滑坡灾害具有显著的群发性和突发性,亟需建立区域性的非均质边坡稳定性快速评价方法。为此,提出一种基于机器学习非均质边坡参数等效均质化的边坡稳定性快速评价框架,即SSA-SVR模型。首先,基于573个黄土边坡参数统计特征,采用... 黄土高原滑坡灾害具有显著的群发性和突发性,亟需建立区域性的非均质边坡稳定性快速评价方法。为此,提出一种基于机器学习非均质边坡参数等效均质化的边坡稳定性快速评价框架,即SSA-SVR模型。首先,基于573个黄土边坡参数统计特征,采用核密度估计(KDE)与拉丁超立方抽样(LHS)构建非均质边坡数据集;其次,引入麻雀搜索算法(SSA)优化滑动面倾角加权修正系数,实现非均质边坡参数向等效均质参数的准确转化;进而,基于支持向量机回归(SVR)建立从非均质边坡参数到等效均质参数的快速预测模型,实现边坡稳定性的高效评价。基于修正均质化方法,对3000组非均质边坡样本进行处理,并利用机器学习训练得到性能良好的均质化预测模型。结果表明:SSA-SVR模型的决定系数(R2)为0.9216,平均绝对百分比误差(MAPE)为11.24%,均方误差(MSE)为0.0371。最后,通过GeoStudio软件对比分析,进一步证明了修正均质化方法的有效性与可靠性。 展开更多
关键词 边坡稳定性 参数均质化 麻雀搜索算法 支持向量机回归 黄土滑坡 核密度估计-拉丁超立方抽样 机器学习
暂未订购 下载PDF
基于ISSA-Transformer模型的瓦斯含量预测与分析 认领 引用
10
作者 于永超 《能源与环保》 2026年第3期7-13,21,共7页
随着煤矿开采深度增加,瓦斯灾害风险显著上升,精准预测瓦斯含量对安全生产至关重要。针对传统优化算法在高维非线性问题中易陷入局部最优的缺陷,提出基于改进麻雀搜索算法(ISSA)优化的Transformer(ISSA-Transformer)瓦斯含量预测模型,... 随着煤矿开采深度增加,瓦斯灾害风险显著上升,精准预测瓦斯含量对安全生产至关重要。针对传统优化算法在高维非线性问题中易陷入局部最优的缺陷,提出基于改进麻雀搜索算法(ISSA)优化的Transformer(ISSA-Transformer)瓦斯含量预测模型,通过引入Sine混沌映射初始化种群与高斯变异策略,提升ISSA的全局搜索能力与局部开发精度,并利用ISSA对Transformer的超参数进行自适应优化。为适配实际生产中瓦斯含量动态变化特征,模型融入动态时序适配机制,通过滑动窗口实时纳入最新监测数据(如实时瓦斯浓度、采掘推进速度),并采用轻量化参数更新策略,实现预测结果的滚动修正。实验采用Sphere、Rosenbrock等4类基准函数验证ISSA性能,结果表明,其在收敛速率、优化精度上显著优于SSA、GWO等对比算法。基于某矿区100组瓦斯样本数据及实时监测指标,通过核主成分分析(KPCA)降维提取关键特征后,构建“特征增强—动态时序建模—滚动预测输出”3层架构模型。对比ISSA-LSTM、SSA-Transformer等模型发现,ISSA-Transformer的均方根误差(RMSE)为0.031,平均绝对误差(MAE)为0.027,决定系数(R2)达0.993,且动态场景下预测偏差较静态模型降低12%以上,预测精度与稳定性最优。研究结果为深部矿井瓦斯灾害动态预警提供了新的技术路径,证实ISSA-Transformer在复杂动态时序数据预测中的有效性。 展开更多
关键词 瓦斯含量预测 改进麻雀搜索算法 Transformer 核主成分分析
暂未订购 下载PDF
考虑中断风险的应急物资调度组合优化方法 认领 引用 被引量：3
11
作者 张闯 李延通 +2 位作者 闫倩 耿敬益 梁精睿 《国防科技大学学报》 EI CAS CSCD 北大核心 2025年第5期254-262,共9页
针对重大自然灾害可能导致物资集散点供应能力中断的问题,研究应急物资集散点中断风险的灾后应急物资调度问题。为提升问题解的全局最优性,将应急物资集散点选址、需求分配、供应次序确定等决策问题抽象为一类选址-调度组合优化问题,以... 针对重大自然灾害可能导致物资集散点供应能力中断的问题,研究应急物资集散点中断风险的灾后应急物资调度问题。为提升问题解的全局最优性,将应急物资集散点选址、需求分配、供应次序确定等决策问题抽象为一类选址-调度组合优化问题,以期望供应完成时间最小化为目标,构建基于情境的混合整数线性规划模型。提出基于预先排序和核搜索的数学启发式算法对问题进行高效求解。数值实验结果表明:所提出的算法具有良好的求解性能,可在合理计算时间内为最大包含200个受灾点、5个集散点的应急物资供应任务提供精确定量、全局最优的物资调度组合优化方案。 展开更多
关键词 应急物资调度 中断风险 选址调度 核搜索算法 数学启发式算法
暂未订购 下载PDF
多策略改进SSA优化KELM的边坡稳定性预测模型 认领 引用 被引量：19
12
作者 祁云 薛凯隆 +3 位作者 李绪萍 汪伟 白晨浩 吉准泽 《中国安全科学学报》 EI CAS CSCD 北大核心 2025年第3期92-98,共7页
为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡... 为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡稳定性评价数据集;其次,引入Sine混沌映射、Levy飞行策略、动态自适应权重以及融合最优爆炸策略和反向学习改进麻雀搜索算法(SSA),以提高其全局搜索能力和稳定性;而后利用ISSA优化KELM中的核参数ψ和正则化系数C,提升其预测精度,同时避免KELM出现过拟合现象;最后,对比分析ISSA-KELM模型与SSA-KELM、粒子群优化算法(PSO)-KELM以及PSO-支持向量机(SVM)模型的预测结果,并将ISSA-KELM模型应用于山西某露天煤矿。结果表明:ISSA-KELM模型的准确率、精确率、召回率和F 1分数分别达到了0.9459、1、0.8667和0.929,均优于SSA-KELM、PSO-KELM和PSO-SVM模型,模型的预测结果与实际值最为接近,表明所建ISSA-KELM模型具有较强的泛化能力。 展开更多
关键词 边坡稳定性 预测模型 改进麻雀搜索算法(ISSA) 核极限学习机(KELM) 预测指标 混淆矩阵
暂未订购 下载PDF
基于改进麻雀搜索算法优化核极限学习机的弹丸气动参数辨识 认领 引用 被引量：4
13
作者 高展鹏 易文俊 《电子测量与仪器学报》 EI CSCD 北大核心 2025年第2期72-82,共11页
弹丸的气动参数直接影响其飞行轨迹,进而决定导弹的设计和性能评估。由于高速飞行中的复杂气动环境和气动参数间的相互作用,准确辨识气动参数成为一项具有挑战性的问题。针对这一问题将采用麻雀搜索算法(SSA)和核极限学习机(KELM)的组... 弹丸的气动参数直接影响其飞行轨迹,进而决定导弹的设计和性能评估。由于高速飞行中的复杂气动环境和气动参数间的相互作用,准确辨识气动参数成为一项具有挑战性的问题。针对这一问题将采用麻雀搜索算法(SSA)和核极限学习机(KELM)的组合模型来辨识弹丸的气动参数,为充分挖掘SSA算法性能,提高辨识精确度,将对SSA算法的初始化策略、收敛因子和加入者的位置更新策略进行改进,采用CEC2022测试函数对改进后的麻雀搜索算法(ISSA)的改进措施的有效性进行验证,并采用ISSA优化KELM的核参数和正则化系数,提出ISSA-KELM辨识模型。研究结果表明,直接采用极限学习机(ELM)算法的辨识精确度最低,无法描述非线性区域弹丸的气动参数特征,通过在ELM算法中引入核函数提出KELM方法可以将辨识精确度提高1~4个量级,KELM和SSA-KELM等模型在非线性区域的辨识结果与真实值还有一定的差距,而采用ISSA-KELM模型的辨识结果最为精确,相比较基本的ELM算法辨识结果提高约4~5个量级,可以准确获取弹丸的气动参数,本研究为精确飞行轨迹预测和导弹性能优化提供了可靠的技术支持。 展开更多
关键词 弹丸 麻雀搜索算法 核极限学习机 气动参数辨识 非线性
暂未订购 下载PDF
基于SSA-KELM的输变电工程水土流失量预测研究 认领 引用 被引量：1
14
作者 雷磊 呼梦颖 +3 位作者 董子晗 师一卿 万昊 王良 《电测与仪表》 CSCD 北大核心 2025年第8期189-196,共8页
针对输变电工程中水土流失量在线监测刚起步导致智能预测预警困难的问题,文中提出一种基于麻雀搜索算法和核极限学习机的输变电工程水土流失量智能预测方法。利用麻雀搜索算法(sparrow search algorithm,SSA)优化核极限学习机(kernel-ba... 针对输变电工程中水土流失量在线监测刚起步导致智能预测预警困难的问题,文中提出一种基于麻雀搜索算法和核极限学习机的输变电工程水土流失量智能预测方法。利用麻雀搜索算法(sparrow search algorithm,SSA)优化核极限学习机(kernel-based extreme learning machine,KELM)的正则化系数和核函数参数,以降雨量环境因子作为样本输入,构建SSA-KELM水土流失量预测模型。利用该预测模型对某变电站水土流失情况进行预测,并与核极限学习机和支持向量机预测方法对比。利用自主研发的现场监测系统获取水土保持监测数据,对所提预测算法进行长期测试,结果表明,基于SSA-KELM的水土流失量预测是有效的,而且比当前其他方法的预测精度更高。 展开更多
关键词 水土流失量 麻雀搜索算法 核极限学习机
暂未订购 下载PDF
基于变分模态分解和核极限学习机集成模型的电动汽车锂电池健康状态预测 认领 引用 被引量：8
15
作者 巫春玲 吕晶晶 +3 位作者 相里康 孟锦豪 黄鑫蓉 张震 《电源学报》 CSCD 北大核心 2025年第6期288-299,共12页
在传统电动汽车锂电池预测中,往往将健康状态SOH(state-of-health)预测视作一个整体,进而给出单一SOH预测结果。但在汽车实际运行中,直接进行SOH的单一预测误差大,预测效果不好。为了提高电动汽车电池的SOH预测精度,提出了1种基于变分... 在传统电动汽车锂电池预测中,往往将健康状态SOH(state-of-health)预测视作一个整体,进而给出单一SOH预测结果。但在汽车实际运行中,直接进行SOH的单一预测误差大,预测效果不好。为了提高电动汽车电池的SOH预测精度,提出了1种基于变分模态分解和麻雀搜索算法优化的核极限学习机集成模型的新预测方法VMD-SSA-KELM。该方法通过变分模态分解电池SOH序列,降低SOH回升的影响;同时利用Person相关法减少噪声的影响,提高预测的准确性;引入核极限学习机KELM,在保留极限学习机优点的基础上,提高了预测的精度。基于4辆电动汽车的运行数据对提出的模型进行验证,结果表明与VMD-DBO-KELM、VMDPOA-KELM、VMD-KELM、VMD-ELM模型相比,所提模型的预测趋势与原数据趋势一致,其他模型的结果波动较大,新模型预测的均方根误差在0.20%内,预测精度更高,预测效率更快,所用时间更短,故可以证明所提方法具有更高的准确性和鲁棒性。 展开更多
关键词 锂电池 变分模态分解 核极限学习机 麻雀搜索算法
暂未订购 下载PDF
改进SSA-HKELM模型在海洋弯管剩余寿命预测中的应用 认领 引用 被引量：1
16
作者 骆正山 王良雨 +1 位作者 高懿琼 骆济豪 《安全与环境学报》 CAS CSCD 北大核心 2025年第5期1770-1779,共10页
针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布... 针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布,采用黄金正弦、Tent混沌扰动和柯西变异提高麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛速度和搜索能力,运用ISSA算法优化HKELM的网络参数,构建海洋弯管腐蚀深度预测模型。依据改进的ASME B31G剩余强度评价准则,计算最大允许腐蚀深度,结合管道腐蚀发展趋势模型,对薄弱弯管进行腐蚀剩余寿命预测。以某海洋管道弯管试验数据为基础对模型进行验证,模型预测精度高达0.989 7,能较好地预测海洋弯管的最大腐蚀深度及未来腐蚀发展趋势。寿命预测结果表明,部分弯管剩余寿命未超过其预期服役时间,为海洋弯管的安全运维及维修更换提供了决策支持。 展开更多
关键词 安全工程 海洋弯管 剩余寿命 改进麻雀搜索算法 混合核极限学习机 腐蚀深度预测模型
暂未订购 下载PDF
基于麻雀搜索算法的核极限学习机在PM2.5浓度预测中的应用 认领 引用 被引量：1
17
作者 叶凡 王松 +3 位作者 王志多 周闯 李素文 牟福生 《大气与环境光学学报》 CAS CSCD 2025年第6期766-776,共11页
PM2.5质量浓度是评估环境空气质量的重要指标,对其变化趋势的准确预测有助于制定更加有效的环保措施。本文利用麻雀搜索算法(SSA)选取核极限学习机(KELM)正则化系数和核函数参数的最优值从而构建了SSA-KELM预测模型,并利用改进后的SS... PM2.5质量浓度是评估环境空气质量的重要指标,对其变化趋势的准确预测有助于制定更加有效的环保措施。本文利用麻雀搜索算法(SSA)选取核极限学习机(KELM)正则化系数和核函数参数的最优值从而构建了SSA-KELM预测模型,并利用改进后的SSA-KELM模型进行PM2.5质量浓度预测。研究以合肥地区的空气污染物和气象数据为基础,利用皮尔逊系数度量其他因子与PM2.5的相关程度,并通过逐步回归法筛选出与PM2.5质量浓度相关性大的因子输入到SSA-KELM模型中,从而最终实现PM2.5日均质量浓度的预测。预测结果的分析显示,SSA-KELM预测模型在准确性和泛化能力上表现出更优异的性能,其均方误差降至0.909,拟合度为0.998,表明该模型对于PM2.5日均质量浓度的变化趋势具有较好的预测能力。 展开更多
关键词 麻雀搜索算法 核极限学习机 PM2.5 预测 逐步回归
暂未订购 下载PDF
面向发电设备故障检测的改进麻雀搜索算法研究 认领 引用 被引量：1
18
作者 李良 戴建炜 +2 位作者 马欣欣 任利健 李翔 《国外电子测量技术》 2025年第5期103-109,共7页
随着光伏发电设备的广泛应用,其运行稳定性和故障检测准确性变得尤为重要。为此,提出一种基于改进麻雀搜索算法(SSA)与核极限学习机(KELM)的齿轮箱故障检测模型。通过引入混沌映射和高斯变异扰动,解决了SSA易陷入局部最优的问题,并进一... 随着光伏发电设备的广泛应用,其运行稳定性和故障检测准确性变得尤为重要。为此,提出一种基于改进麻雀搜索算法(SSA)与核极限学习机(KELM)的齿轮箱故障检测模型。通过引入混沌映射和高斯变异扰动,解决了SSA易陷入局部最优的问题,并进一步提高了全局搜索能力。该模型通过引入改进的SSA,优化KELM模型的关键参数,提高了齿轮箱故障诊断的精度与效率。实验结果表明:所提模型在齿轮箱故障检测中的表现最为优越,在6种齿轮箱故障类型中的分类检测平均识别准确率为0.96,显著高于其余两种对比模型。此外,所提模型在齿轮箱油的所有组分指标上均表现出最高的性能,尤其是在铁粉含量指标上,精确率达到96.31%。所提模型通过提高故障检测的准确性和效率,有效提升了设备的运行稳定性,为工业设备的智能化管理和维护提供了可靠的技术支持。 展开更多
关键词 麻雀搜索算法 核极限学习机 齿轮箱 故障检测
暂未订购 下载PDF
基于KPCA-ISSA-SVM的控制图模式识别 认领 引用 被引量：2
19
作者 梁旭 张朝阳 +1 位作者 吉卫喜 张文博 《组合机床与自动化加工技术》 北大核心 2025年第7期128-134,140,共7页
针对制造企业产品生产过程中质量监控智能化程度不足的问题,提出一种基于核主成分分析法(KPCA)与改进麻雀搜索算法(ISSA)优化支持向量机(SVM)的控制图模式识别方法。首先通过KPCA对控制图原始数据进行降维;其次,引入Logistic-Tent(LT)... 针对制造企业产品生产过程中质量监控智能化程度不足的问题,提出一种基于核主成分分析法(KPCA)与改进麻雀搜索算法(ISSA)优化支持向量机(SVM)的控制图模式识别方法。首先通过KPCA对控制图原始数据进行降维;其次,引入Logistic-Tent(LT)复合映射和高斯变异来改进麻雀搜索算法对SVM的关键参数进行寻优;接着建立KPCA-ISSA-SVM模型对控制图模式进行识别;最后通过仿真实验,将所提模型与RF、CNN、SVM、KPCA-SVM、KPCA-SSA-SVM、KPCA-PSO-SVM模型进行对比,并以某电梯零部件企业的机加工车间为例,验证了该方法的可行性和有效性。仿真与实例结果表明,所提方法是一种更有效的控制图模式识别方法。 展开更多
关键词 控制图 模式识别 核主成分分析 改进麻雀搜索算法 支持向量机
暂未订购 下载PDF
一种直流配电网电能质量扰动识别方法 认领 引用 被引量：1
20
作者 李语帆 张怡 康健 《现代电子技术》 北大核心 2025年第10期118-126,共9页
随着接入电网电力电子器件的增加,直流配电网因在输电性能、降低线损、新能源消纳等方面优于传统配电网,逐渐成为未来配电发展的新趋势。为使直流配电网稳定运行,保证电能质量,提出一种基于核主成分分析(KPCA)特征降维的ISSA-SVM电能质... 随着接入电网电力电子器件的增加,直流配电网因在输电性能、降低线损、新能源消纳等方面优于传统配电网,逐渐成为未来配电发展的新趋势。为使直流配电网稳定运行,保证电能质量,提出一种基于核主成分分析(KPCA)特征降维的ISSA-SVM电能质量扰动识别方法。首先,深入探讨了各类电能质量问题的形成机理,并结合波形提取出6种特征;其次,利用DBSCAN聚类方法检测是否存在异常值来确定是否使用KPCA将特征降维,使其能够在不同数据情况下都实现良好聚类;最后,利用改进麻雀搜索算法(ISSA)对支持向量机(SVM)进行参数寻优,并用寻优结果重新训练SVM模型。实验结果表明,所提方法有较高的准确度,可以有效识别出电能质量扰动信号。 展开更多
关键词 直流配电网 电能质量 扰动识别 DBSCAN聚类 功率谱密度 核主成分分析 麻雀搜索算法 支持向量机
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈