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1,150篇文章
< 1 2 … 58 >
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：
Optimized VMD algorithm for noise reduction of absorption spectra of CO2 认领 引用
1
作者 Ru Zhang Junfen Wang +3 位作者 Xuemei Shi Mingliang Li Zhanmin Zhao Han Wang 《Optoelectronics Letters》 EI 2026年第1期23-28,共6页
The end tidal carbon dioxide(EtCO2)is crucial for monitoring patients respiratory function,which reflects the status of lung ventilation and gas exchange.Therefore,achieving accurate measurements of EtCO2holds s... The end tidal carbon dioxide(EtCO2)is crucial for monitoring patients respiratory function,which reflects the status of lung ventilation and gas exchange.Therefore,achieving accurate measurements of EtCO2holds significant importance in clinical practice.The measurements of EtCO2based on wavelength modulation-direct absorption spectroscopy(WM-DAS)had great advantages and the noise reduction of spectrum was very important.An optimized variational mode decomposition(VMD)algorithm improved by the dung beetle optimization algorithm and wavelet packet denoising algorithm was proposed to enhance the measurement accuracy of EtCO2concentration.The dung beetle optimization algorithm was used to obtain the optimal number of decomposition mode layers K and secondary penalty factorα.The optimal parameters were used to decompose the original transmitted light intensity signal with noise,and a series of intrinsic mode functions(IMFs)were obtained.Pearson correlation coefficient(R)was used to select the pure signal and the noisy signal,and the noisy signal was denoised by wavelet packet denoising algorithm.The transmitted light intensity signal was reconstructed by the signal processed by wavelet packet denoising algorithm and the pure signal.The results showed that the proposed algorithm could effectively remove the noise of signal of transmitted light intensity and improve the accuracy of concentration measurements of EtCO2. 展开更多
关键词 monitoring patients respiratory functionwhich Variational Mode Decomposition Wavelet Packet Denoising noise reduction spectrum end tidal carbon dioxide etco Dung Beetle Optimization Algorithm dung be lung ventilation
暂未订购 下载PDF
基于改进VMD和SVM方法的滚动轴承故障诊断 认领 引用 被引量：4
2
作者 何晓良 苏春 张玉茹 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第2期322-332,共11页
为解决旋转部件早期振动故障信号存在的特征微弱、非平稳等问题,提出一种基于改进变分模态分解(VMD)及支持向量机(SVM)的故障诊断方法。采用改进的野马算法(IWHO)优化VMD中的惩罚因子α和模态数K以实现参数自动寻优,采用适应度函数选择... 为解决旋转部件早期振动故障信号存在的特征微弱、非平稳等问题,提出一种基于改进变分模态分解(VMD)及支持向量机(SVM)的故障诊断方法。采用改进的野马算法(IWHO)优化VMD中的惩罚因子α和模态数K以实现参数自动寻优,采用适应度函数选择最小包络熵。利用优化后的VMD完成振动信号分解,得到振动信号的固有模态函数(IMF)。在此基础上,采用峭度准则选取前5阶IMF分量以计算时频域特征,构建特征向量;将特征向量输入SVM中完成训练,实现旋转部件的故障分类。以滚动轴承试验数据集为例,验证方法有效性。结果表明:所提出的方法能有效处理非平稳振动信号,针对数据集中轴承4种运行状态诊断的准确率达99.17%;在模拟噪声干扰环境下,模型仍能保持95.8%以上的诊断精度。 展开更多
关键词 变分模态分解 支持向量机 改进野马算法 故障诊断
暂未订购 下载PDF
一种基于信号分解质量多目标评价的VMD参数寻优新方法 认领 引用 被引量：2
3
作者 李贺 查志华 吴杰 《振动与冲击》 EI CSCD 北大核心 2026年第3期88-96,共9页
模态数K和惩罚因子α设置不当,会严重影响信号变分模态分解(variational mode decomposition,VMD)的性能,已有的改进VMD法参数寻优时,无法同时兼顾速度和准确性,也未将避免信号欠分解和过分解以及分量与原信号的信息量差异最小都作为寻... 模态数K和惩罚因子α设置不当,会严重影响信号变分模态分解(variational mode decomposition,VMD)的性能,已有的改进VMD法参数寻优时,无法同时兼顾速度和准确性,也未将避免信号欠分解和过分解以及分量与原信号的信息量差异最小都作为寻优的目标,导致所确定的K和α最优组合未能充分提升信号分解性能。针对此问题,提出了一种信号变步长VMD (variable step size-VMD,VSS-VMD)算法对K和α寻优,采用能量损失系数评价信号欠分解,互相关系数和峭度相结合评价信号过分解,分量与原信号的信息熵差评价分量表征原信号能力,α以较大初始步长逐渐变小,先以较大步长快速找到较优参数组合并缩小寻优范围,然后以较小步长精确找到最优参数组合。与最近报道的3种改进VMD法相比,VSS-VMD法确定的最优K和α对仿真信号和多个实测信号分解结果表明,提取信号分量完备,未发生欠分解,有效避免了过分解,同时表现出更优的噪声抑制效果,分量与原信号的能量差异值以及分量之间的正交指数都低,分量表征原信号的能力强。该方法在参数寻优范围很大的情况下,确保准确寻优的同时,寻优时间明显减少,为信号VMD性能提升以及有关应用研究提供了重要参考和借鉴。 展开更多
关键词 变分模态分解(VMD) 惩罚因子 变步长 过分解 欠分解 信号分量信息
暂未订购 下载PDF
基于RIME-VMD联合小波阈值的爆破振动信号去噪方法 认领 引用 被引量：3
4
作者 王薇 程忠耀 +1 位作者 向延念 宋良俊 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2026年第1期465-479,共15页
随着现代化建设的加速推进,邻近既有建筑的爆破作业日益增多,监测和分析爆破引起的振动对结构安全的评估至关重要。然而,爆破振动信号的非线性特性和复杂的环境因素干扰使得从实测信号中提取有效信号成分难度较大,给后续的信号分析造成... 随着现代化建设的加速推进,邻近既有建筑的爆破作业日益增多,监测和分析爆破引起的振动对结构安全的评估至关重要。然而,爆破振动信号的非线性特性和复杂的环境因素干扰使得从实测信号中提取有效信号成分难度较大,给后续的信号分析造成了较大影响。为提高爆破振动信号的降噪精度,将雾凇优化算法(RIME)、变分模态分解(VMD)和小波阈值进行融合,形成一种爆破振动信号联合去噪方法。该方法首先通过雾凇优化算法对VMD关键参数进行优化,然后通过优化后的VMD对振动信号进行自适应分解,剔除方差贡献率较低的分量,再采用小波阈值对筛选后的分量进行降噪处理,最终重构得到去噪后的信号。对该方法的降噪效果进行仿真分析和实际工程验证,结果表明:在仿真信号分析中,经RIME-VMD联合小波阈值的降噪方法去噪后的信号与无噪声的纯净信号相比,形状与特征高度吻合,且信噪比(SNR)和均方根误差(RMSE)等去噪指标优于EMD、小波阈值、EMD联合小波阈值等常用去噪方法;经工程实际案例验证,该方法能够在极大保留原信号基本特征的前提下,有效去除爆破振动信号中的高频噪声,降噪后信号更加符合爆破振动信号的主频范围,且具有比EMD、小波阈值、EMD联合小波阈值等常用去噪方法更好的去噪效果。该研究成果对爆破振动信号的降噪处理具有参考意义。 展开更多
关键词 爆破振动 信号处理 联合降噪 雾凇优化算法 变分模态分解 小波阈值去噪
暂未订购 下载PDF
基于HALA-VMD-IWTD的振动信号联合去噪 认领 引用 被引量：1
5
作者 曹亚超 吕贺轩 +2 位作者 崔彦平 何晓旭 张强 《振动与冲击》 EI CSCD 北大核心 2026年第1期1-10,共10页
针对机械传动系统中采集的信号存在噪声干扰问题,提出了一种混合人工旅鼠算法(hybrid artificial lemming algorithm,HALA)优化变分模态分解(variational mode decomposition,VMD)与改进小波阈值去噪(improved wavelet threshold denois... 针对机械传动系统中采集的信号存在噪声干扰问题,提出了一种混合人工旅鼠算法(hybrid artificial lemming algorithm,HALA)优化变分模态分解(variational mode decomposition,VMD)与改进小波阈值去噪(improved wavelet threshold denoising,IWTD)的振动信号联合去噪方法。首先,通过HALA自适应选取VMD的关键参数,将含噪信号自适应分解为n个本征模态函数;其次,通过相关系数法筛选有效模态分量;最后,利用改进的小波阈值函数对选定分量进行二次去噪。结果表明:与VMD、小波阈值去噪(wavelet threshold denoising,WTD)、VMD-IWTD等去噪方法进行对比,基于HALA-VMD-IWTD的振动信号联合去噪方法去噪后的信号信噪比最高、均方根误差最小,具有更好的去噪优越性,适用于非平稳振动信号去噪;当故障特征频率为103.4 Hz时,经该方法去噪处理后,信号中的故障特征频率成分更加突出,背景噪声得到有效抑制。 展开更多
关键词 混合人工旅鼠算法(HALA) 变分模态分解(VMD) 改进小波阈值去噪(IWTD) 振动信号 去噪
暂未订购 下载PDF
基于SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究 认领 引用 被引量：1
6
作者 周宇 周明扬 +2 位作者 狄生奎 郭家骥 黄继源 《振动与冲击》 EI CSCD 北大核心 2026年第3期115-123,共9页
针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥... 针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥梁异常监测数据修复方法。研究利用SSA对VMD中分解层数K和惩罚因子α进行寻优以获取准确结构响应,选择SSA对GRU关键超参数进行优化,通过训练使模型达到最佳状态后,将分解后的信号作为输入进行预测修复,以重构桥梁缺失监测数据,通过对比单一GRU模型、VMD-GRU模型预测结果,以均方根误差、平均绝对误差、平均绝对百分比误差和R2作为误差指标来评价所提方法的科学性与实用性。研究表明,所提方法可在非经验指导下获得最佳参数组合,挠度测试集均方根误差为6.070 2%,应变测试集均方根误差仅为0.150 0%,该方法适用于桥梁异常或缺失监测数据的重构,能够提高数据质量和数据使用的正确率,为桥梁健康监测与决策提供方法基础。 展开更多
关键词 桥梁健康监测 异常监测数据 麻雀搜索算法(SSA) 变分模态分解(VMD) 门控循环单元(GRU) 数据重构
暂未订购 下载PDF
基于BWO优化VMD和KELM的柔性直流输电线路短路故障定位方法 认领 引用 被引量：3
7
作者 赵岩 王梓毅 徐天 《南方电网技术》 CSCD 北大核心 2026年第3期8-18,31,共11页
针对行波波头标定的精度不足以及智能定位模型拟合性能易受参数影响的问题,提出了一种基于白鲸算法优化变分模态分解和核极限学习机的柔性直流输电线路短路故障定位方法。首先,采用白鲸算法优化变分模态分解的参数,结合小波软阈值去噪... 针对行波波头标定的精度不足以及智能定位模型拟合性能易受参数影响的问题,提出了一种基于白鲸算法优化变分模态分解和核极限学习机的柔性直流输电线路短路故障定位方法。首先,采用白鲸算法优化变分模态分解的参数,结合小波软阈值去噪方法对采集的故障信号进行降噪和分解,再结合希尔伯特变换标定初始行波的到达时刻。其次,将行波的到达时刻作为特征值构建特征数据集,用白鲸算法优化核极限学习机定位模型。最后,将数据集代入到优化后的定位模型中实现故障定位。结果表明,该方法的定位模型拟合程度达到99.4%,具有较高的定位精度和较好的鲁棒性,所提方法对噪声和过渡电阻的耐受性能较高,定位误差在500 m以内。 展开更多
关键词 柔性直流输电线路 变分模态分解 白鲸算法 核极限学习机 故障定位
暂未订购 下载PDF
基于BWO-VMD-ISSA-LSTM的交通运输业碳排放预测研究 认领 引用 被引量：2
8
作者 王庆荣 王俊杰 +3 位作者 朱昌锋 张金鹏 何润田 刘心康 《计算机工程与应用》 EI CSCD 北大核心 2026年第10期376-388,共13页
针对交通运输业碳排放量的非线性影响预测精度的问题,提出了一种结合白鲸优化算法(beluga whale optimization,BWO)、变分模态分解(variational mode decomposition,VMD)、改进麻雀搜索算法(improved sparrow search algorithm,ISSA)及L... 针对交通运输业碳排放量的非线性影响预测精度的问题,提出了一种结合白鲸优化算法(beluga whale optimization,BWO)、变分模态分解(variational mode decomposition,VMD)、改进麻雀搜索算法(improved sparrow search algorithm,ISSA)及LSTM的碳排放预测模型。引入最大互信息系数(maximum information coefficient,MIC)提取影响碳排放量的主要因素,剔除冗余特征。利用BWO对VMD的分解模态数和惩罚因子寻优,增强两参数间的协调性,进而将碳排放量分解为不同频率的模态分量和剩余分量,削弱原始碳排放量的非线性;通过在LSTM的输入端嵌入特征注意力机制(feature attention mechanism,FA),突出关键输入特征。引入基于改进Tent混沌映射、动态步长权重因子、混合变异算子和精英反向学习的混合策略改进SSA算法,避免算法陷入局部最优。对各模态分量分别构建基于ISSA-LSTM的预测模型,并对预测结果进行集成。采用中国交通运输业1990—2019年的碳排放数据对模型进行验证,结果表明,所提模型较最优对比模型的RMSE、MAE和MAPE分别降低了26.28%、31.64%和33.32%,能够有效地预测交通运输业碳排放量。 展开更多
关键词 交通运输业 碳排放预测 白鲸优化算法 变分模态分解 麻雀搜索算法 最大互信息系数
暂未订购 下载PDF
基于IGJO-VMD-SVM的电机轴承故障诊断 认领 引用 被引量：5
9
作者 回立川 曹威 +1 位作者 闫康 王久阳 《控制工程》 CSCD 北大核心 2026年第5期925-934,共10页
为解决有噪环境下轴承故障特征提取难、诊断准确率低的问题,提出了一种结合改进金豺优化(golden jackal optimization,GJO)算法、变分模态分解(variational mode decomposition,VMD)和支持向量机(support vector machine,SVM)的轴承故... 为解决有噪环境下轴承故障特征提取难、诊断准确率低的问题,提出了一种结合改进金豺优化(golden jackal optimization,GJO)算法、变分模态分解(variational mode decomposition,VMD)和支持向量机(support vector machine,SVM)的轴承故障诊断方法。首先,针对GJO算法易陷入局部最优的问题,引入Tent混沌映射、非线性递减参数、反向学习策略和自适应权重对其进行改进;其次,针对故障信号易被噪声淹没和特征提取难的问题,利用VMD将经过奇异谱分析(singular spectrum analysis,SSA)降噪后的信号分解,对噪声进行抑制,接着采用t分布-随机邻域嵌入(t-distribution-random neighborhood embedding,t-SNE)对提取的特征进行筛选,挑选有用特征;最后,针对SVM参数设置问题,使用改进GJO算法解决并构造诊断模型。结果表明,在相同的实验条件下,该模型的诊断准确率高于其他算法优化的诊断模型。 展开更多
关键词 轴承故障诊断 奇异谱分析 变分模态分解 金豺优化算法 t分布-随机邻域嵌入 支持向量机
暂未订购 下载PDF
Removal of Ocular Artifacts from Electroencephalo-Graph by Improving Variational Mode Decomposition 认领 引用 被引量：1
10
作者 Miao Shi Chao Wang +3 位作者 Wei Zhao Xinshi Zhang Ye Ye Nenggang Xie 《China Communications》 SCIE CSCD 2022年第2期47-61,共15页
Ocular artifacts in Electroencephalography(EEG)recordings lead to inaccurate results in signal analysis and process.Variational Mode Decomposition(VMD)is an adaptive and completely nonrecursive signal processing metho... Ocular artifacts in Electroencephalography(EEG)recordings lead to inaccurate results in signal analysis and process.Variational Mode Decomposition(VMD)is an adaptive and completely nonrecursive signal processing method.There are two parameters in VMD that have a great influence on the result of signal decomposition.Thus,this paper studies a signal decomposition by improving VMD based on squirrel search algorithm(SSA).It’s improved with abilities of global optimal guidance and opposition based learning.The original seasonal monitoring condition in SSA is modified.The feedback of whether the optimal solution is successfully updated is used to establish new seasonal monitoring conditions.Opposition-based learning is introduced to reposition the position of the population in this stage.It is applied to optimize the important parameters of VMD.GOSSA-VMD model is established to remove ocular artifacts from EEG recording.We have verified the effectiveness of our proposal in a public dataset compared with other methods.The proposed method improves the SNR of the dataset from-2.03 to 2.30. 展开更多
关键词 ocular artifact variational mode decomposition squirrel search algorithm global guidance ability opposition-based learning
暂未订购 下载PDF
应用VMD-Transformer-ResLSTM的短期天然气负荷预测 认领 引用 被引量：2
11
作者 赵明智 郭光荣 +2 位作者 范立军 韩龙 于千城 《中国测试》 CAS 北大核心 2026年第3期144-153,共10页
由于城市居民的消费习惯和生活节奏的变化,精确预测天然气消耗量变得尤为重要。为此,文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先,通过变分模态分解(VMD)将原始负荷序列分解为本征模态函数(IMF)分量,从而避免模... 由于城市居民的消费习惯和生活节奏的变化,精确预测天然气消耗量变得尤为重要。为此,文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先,通过变分模态分解(VMD)将原始负荷序列分解为本征模态函数(IMF)分量,从而避免模态混叠和假峰值的问题。随后,对Transformer解码层进行重新构建,并将其与LSTM网络融合,旨在更好地捕捉序列中的长期依赖关系,同时减少模型参数。为解决LSTM网络中常见的梯度消失和梯度爆炸问题,文章引入残差连接机制,将其整合到Transformer和LSTM网络中。其次,为进一步提升预测精度,设计一个误差修正模块,以提高天然气负荷预测的稳定性和准确性。实验结果表明,该组合模型在预测精度上显著优于传统模型如ARIMA、Transformer、GRU和LSTM,预测的平均绝对误差(MAE)提升23%~58%。综上所述,该方法可显著提升天然气负荷预测的精度。 展开更多
关键词 天然气短期负荷预测 变分模态分解 Transformer LSTM 残差连接 误差修正
暂未订购 下载PDF
A debris-flow forecasting method with infrasound-based variational mode decomposition and ARIMA 认领 引用 被引量：1
12
作者 DONG Hanchuan LIU Shuang +4 位作者 PANG Lili LIU Dunlong DENG Longsheng FANG Lide ZHANG Zhonghua 《Journal of Mountain Science》 SCIE CSCD 2024年第12期4019-4032,共14页
Infrasound,known for its strong penetration and low attenuation,is extensively used in monitoring and warning systems for debris flows.Here,a debris-flow forecasting method was proposed by combining infrasound-based v... Infrasound,known for its strong penetration and low attenuation,is extensively used in monitoring and warning systems for debris flows.Here,a debris-flow forecasting method was proposed by combining infrasound-based variational mode decomposition and Autoregressive Integrated Moving Average(ARIMA)model.High-precision infrasound sensor was utilized in experiments to record signals under twelve varying conditions of debris flow volume and velocity.Variational mode decomposition was performed on the detected raw signals,and the optimal decomposition scale and penalty factor were obtained through the sparrow search algorithm.The Hilbert transform,rescaled range analysis,power spectrum analysis,and Pearson correlation coefficients judgment criteria were employed to separate and reconstruct the signals.Based on the reconstructed infrasound signals,an ARIMA model was constructed to forecast the trend of debris flow infrasound signal.Results reveal that the Hilbert transform effectively separated noise,and the predictive model’s results fell within a 95%confidence interval.The Mean Absolute Percentage Error(MAPE)across four experiments were 4.87%,5.23%,5.32%and 4.47%,respectively,showing a satisfactory accuracy and providing an alternative for predicting debris flow by infrasound signals. 展开更多
关键词 Debris flow infrasound Variational Mode Decomposition Sparrow search algorithm ARIMA model Hilbert transform
暂未订购 下载PDF
基于VMD-WHHO-BLS的无人船位姿预测 认领 引用 被引量：1
13
作者 葛泉波 薛子建 +1 位作者 张明川 吴庆涛 《控制理论与应用》 EI CAS CSCD 北大核心 2026年第2期335-347,共13页
随着人工智能技术的发展,在无人控制系统领域中,智能传感器的普及使得各式的无人装备运行数据更加的丰富.水面无人船作为无人智能装备的重要组成部分,其关键环节就在于对其安全稳定的自主控制,因为其结构复杂,并且要长时间在未知的环境... 随着人工智能技术的发展,在无人控制系统领域中,智能传感器的普及使得各式的无人装备运行数据更加的丰富.水面无人船作为无人智能装备的重要组成部分,其关键环节就在于对其安全稳定的自主控制,因为其结构复杂,并且要长时间在未知的环境运作,难免出现各种异常状态,会直接影响无人装备的工作能力,降低其安全性和经济性,所以对无人船的位姿状态进行精确的预测十分必要.本文先利用变分模态分解将时间序列数据分解成若干分量,再采用基于宽度学习系统的方法对无人船中的几类数据进行了预测,同时用基于鲸鱼算法与模拟退火算法改进的哈里斯鹰优化算法对宽度学习中的伪逆求解回归参数进行优化.经仿真实验证明,该方法在预测的准确性和训练速度方面都有一定优势. 展开更多
关键词 无人船 宽度学习系统 位姿预测 变分模态分解 哈里斯鹰优化 鲸鱼群算法
暂未订购 下载PDF
基于IAO-VMD与SO-PNN的输电线路故障诊断方法 认领 引用 被引量：1
14
作者 卢万杰 马磐 《高压电器》 CAS CSCD 北大核心 2026年第7期193-203,共11页
针对输电线路中短路故障诊断识别率较低的问题,文中提出了一种基于改进天鹰优化算法(improved aquila optimization algorithm)优化VMD与蛇算法(snake optimizer,SO)优化概率神经网络(probabilistic neural network)相结合的输电线路故... 针对输电线路中短路故障诊断识别率较低的问题,文中提出了一种基于改进天鹰优化算法(improved aquila optimization algorithm)优化VMD与蛇算法(snake optimizer,SO)优化概率神经网络(probabilistic neural network)相结合的输电线路故障诊断方法。首先利用MATLAB/Simulink软件搭建输电线路的仿真模型,分别模拟不同类型的短路故障,并选取三相故障电压信号作为故障源。然后采用singer混沌映射、反向学习、分段式非线性递减权重和柯西变异等策略对天鹰算法进行改进。接着利用改进后的天鹰优化算法对VMD两个影响因子进行参数寻优。最后利用优化后的VMD对三相故障电压信号进行分解,并计算各分量的样本熵值,构建成输电线路的故障特征集,将故障特征集划分成训练集与测试集输入到SO-PNN的识别模型中进行故障诊断。并分别与PNN、DELM等故障诊断模型进行对比。通过仿真实验可知,文中提出的诊断模型可以更加准确地完成诊断,诊断率高达93%以上,具有较好的故障识别能力。 展开更多
关键词 输电线路 变分模态分解 改进天鹰优化算法 样本熵 概率神经网络
暂未订购 下载PDF
基于VMD-CNN-BiLSTM模型的短时交通流预测 认领 引用 被引量：2
15
作者 李博 张传煌 +1 位作者 于晓 张旭东 《武汉理工大学学报（交通科学与工程版）》 2026年第2期250-257,共8页
文中研究使用滴滴盖亚数据提供的网约车轨迹数据集,经数据清洗等步骤后获取特定道路的交通流量.构建VMD-CNN-BiLSTM模型进行预测,模型结合变分模态分解(VMD)、卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的优势,能有效捕捉交通流量... 文中研究使用滴滴盖亚数据提供的网约车轨迹数据集,经数据清洗等步骤后获取特定道路的交通流量.构建VMD-CNN-BiLSTM模型进行预测,模型结合变分模态分解(VMD)、卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的优势,能有效捕捉交通流量的时序性和空间依赖性.结果表明:本模型在短时交通流量预测方面表现优异,与多种基准组合模型相比,在各项误差指标上均有显著降低,平均绝对误差(MAE)和均方根误差(RMSE)平均下降幅度分别达到17.26%和18.75%.此外,模型的判定系数R 2高达96.6503%,显示出较强的拟合能力和稳定性. 展开更多
关键词 城市交通 短时交通流预测 VMD-CNN-BiLSTM模型 变分模态分解 卷积神经网络
暂未订购 下载PDF
基于ALA优化VMD和Transformer-BiGRU的锂离子电池RUL预测 认领 引用 被引量：1
16
作者 闫来清 梁朝洋 +4 位作者 韩磊 李沁春 蔡钰濠 魏嘉轩 许志超 《电源技术》 CAS 北大核心 2026年第2期277-289,共13页
准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大... 准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大多依赖手动设置,不仅耗时费力且预测效果受主观因素影响较大。针对上述难题,提出了一种基于ALA优化VMD和Transformer-BiGRU的预测方法。利用人工旅鼠算法(ALA)对变分模态分解(VMD)的模态分解层数与惩罚因子进行优化,通过VMD将电池容量数据分解为不同频率的模态分量,减小容量再生效应和测量误差的影响。构建了结合注意力机制(Transformer)和双向门控循环单元(BiGRU)的预测模型,并通过海星优化算法(SFOA)优化模型结构和关键参数,将各分量的预测结果加和得到最终预测值。基于MATLAB平台在两组公开数据集上验证了所提模型的有效性,并与其他预测方法进行对比。结果表明,所提方法的均方根误差(RMSE)均低于0.5%,预测精度较高。 展开更多
关键词 锂离子电池 人工旅鼠算法 海星优化算法 变分模态分解 双向门控循环单元 Transformer模型
暂未订购 下载PDF
基于ALA-VMD结合改进小波阈值的岩石破裂声发射信号去噪算法 认领 引用
17
作者 王婷婷 杨彦卓 +2 位作者 赵万春 史晓东 蔡萌 《振动与冲击》 EI CSCD 北大核心 2026年第8期267-280,共14页
针对岩石破裂阶段中产生大量含噪声发射(acoustic emission,AE)信号的问题,提出一种基于人工旅鼠优化算法(artificial lemming algorithm,ALA)优化变分模态分解(variational mode decomposition,VMD)结合改进小波阈值(improved wavelet ... 针对岩石破裂阶段中产生大量含噪声发射(acoustic emission,AE)信号的问题,提出一种基于人工旅鼠优化算法(artificial lemming algorithm,ALA)优化变分模态分解(variational mode decomposition,VMD)结合改进小波阈值(improved wavelet threshold,IWT)的岩石破裂声发射信号处理方法;利用ALA对VMD的模态个数和惩罚因子进行寻优,计算分解出的模态分量与原始AE信号的相关系数,设置阈值将模态分量分为噪声分量与含噪分量;针对小波阈值降噪不能自适应地选取小波基函数与小波分解层数的问题,结合岩石破裂声发射信号的特点及去噪信号的信噪比与均方根误差筛选最优小波基函数与小波分解层数;然后对含噪分量进行IWT去噪并重构,得到降噪后的AE信号。通过对仿真信号和实测AE信号去噪,结果表明与现有算法相比,信噪比综合提升了44.63%,均方根误差降低了32.97%,表明ALA-VMD-IWT算法对噪声有明显抑制作用,降噪精度更高,可为后续利用岩石AE信号研究岩石特性提供参考。 展开更多
关键词 岩石破裂声发射信号 人工旅鼠优化算法(ALA) 变分模态分解(VMD) 改进小波阈值(IWT)去噪
暂未订购 下载PDF
绕射波GWO-VMD分离成像方法 认领 引用
18
作者 林朋 刘育林 +3 位作者 彭苏萍 崔晓芹 郭偿波 杨婕 《煤田地质与勘探》 EI CAS CSCD 北大核心 2026年第2期183-191,共9页
【背景】断层、陷落柱和尖灭点等小尺度不连续地质体广泛存在于地下空间,与煤炭、油气等地下资源的安全生产及开发有密切联系。作为小尺度不连续地质体的波场响应,绕射波可以克服传统反射波成像的不足,具备对小尺度地质体高精度识别和... 【背景】断层、陷落柱和尖灭点等小尺度不连续地质体广泛存在于地下空间,与煤炭、油气等地下资源的安全生产及开发有密切联系。作为小尺度不连续地质体的波场响应,绕射波可以克服传统反射波成像的不足,具备对小尺度地质体高精度识别和定位的能力。【目的和方法】为实现不连续地质体绕射波成像,以反射波和绕射波在运动学和动力学特征差异为基础,利用变分模态分解(VMD)方法的精准时频域自适应分解能力和灰狼算法(GWO)的高效稳定全局寻优能力,有效避免了经验误差和局部最优问题,同时提高了绕射波分离的精度与方法的自适应性。【结果和结论】相较于鲸鱼算法(WOA)和蚁群算法(ACO),粒子群算法(PSO)、麻雀搜索算法(SSA)和灰狼算法(GWO)的最优适应度值较小(3.172),具有较好的寻优性能。此外,相较于粒子群算法(PSO)和麻雀搜索算法(SSA),灰狼算法(GWO)具有更小的迭代收敛次数,仅通过6次迭代即可收敛至全局最优。由此证明了GWO算法在寻优性能和寻优速度方面的优越性。通过合成数据和实际数据的测试,验证了GWO-VMD算法在绕射波分离和强反射压制方面的有效性,能够实现对微尺度构造的高分辨率成像。 展开更多
关键词 不连续地质体 绕射波分离 变分模态分解 参数寻优 灰狼算法
暂未订购 下载PDF
基于参数优化的VMD和CWT结构密集模态参数识别 认领 引用
19
作者 赵丽洁 孙子一 +2 位作者 王昊 解咏平 练继建 《振动与冲击》 EI CSCD 北大核心 2026年第4期51-60,共10页
针对变分模态分解的模态分解数K及二次惩罚因子α难以确定和连续小波变换对结构密集模态参数识别精度不高的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition,VMD)与连续小波变换(continuous wavelet transform... 针对变分模态分解的模态分解数K及二次惩罚因子α难以确定和连续小波变换对结构密集模态参数识别精度不高的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition,VMD)与连续小波变换(continuous wavelet transform,CWT)相结合的结构密集模态参数识别方法。以能量集中度与互信息构建全新综合目标函数,引入蜣螂优化算法自适应地搜寻最佳[K,α]参数组合;其次,基于最优[K,α]参数组合,对具有密集模态的振动响应信号进行VMD,结合皮尔逊相关系数指标筛选有效模态分量;最后,对有效模态分量进行CWT识别结构的模态频率和模态阻尼比。通过四自由度密集模态系统仿真算例表明,相比传统CWT算法,参数优化VMD结合CWT的方法,识别结构的密集模态参数精度更高,并具备一定的抗噪声性能;五层框架结构模型试验进一步验证了所提方法的实用性。 展开更多
关键词 模态参数识别 变分模态分解(VMD) 连续小波变换(CWT) 密集模态
暂未订购 下载PDF
一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型及分区评价方法 认领 引用
20
作者 华明国 周爱桃 +4 位作者 马帅 王一达 李延续 李康 李梦瑶 《煤矿安全》 CAS 北大核心 2026年第4期144-155,共12页
隐伏断层是煤矿生产中的重要地质问题,隐伏断层的规模往往较小,难以进行准确预测。为研究适用于隐伏断层预测的机器学习优化算法,提出了一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型和断层复杂程度分区评价方法。利用变分模态分解... 隐伏断层是煤矿生产中的重要地质问题,隐伏断层的规模往往较小,难以进行准确预测。为研究适用于隐伏断层预测的机器学习优化算法,提出了一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型和断层复杂程度分区评价方法。利用变分模态分解(VMD)算法将矿井现场搜集的瓦斯含量、坚固性系数等初始数据分解为多个模态分量,对其进行特征提取,并通过灰色关联分析法计算预测特征的关联度排名,其中断层强度参数、断层分维值、瓦斯含量、煤层底板倾角变异系数、坚固性系数5项特征指标与断层赋存关联度最大;在SABO寻优算法中引入精英反向学习和自适应权重因子,解决模型过早陷入“局部最优解”、收敛性能较差以及特征种群多样性不足的问题,通过实验验证优化前后算法的准确率差异,证明优化后的SABO极大提高了收敛效率,模型预测准确度升高;结合XGBoost机器学习算法组成隐伏断层预测模型。以山西长治某矿井3#煤掘进工作面断层为实验对象,建立断层类型综合分区评价等级,并作为预测标签与传统使用的XGBoost模型、VMD-XGBoost模型和SABO-XGBoost模型进行对比,结果显示,VMD-SABO-XGBoost模型预测精度最高。经过实例验证,和现场实际断层复杂程度对应,验证了该方法的准确性和适应性,可以应用于预测矿井隐伏断层密集度和复杂程度。 展开更多
关键词 隐伏断层 密集度预测 变分模态分解 SABO算法优化 XGBoost
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 … 58 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈