【摘 要】
：
为提高负荷预测结果的精度,设计了一种基于VMD-IWOA-LSSVM(Variational Mode Decomposition-Improved Whale Optimization Algorithm-Least Square Support Vector Machine)短期负荷预测模型。先通过变分模态算法将原始负荷数据分解成多个子序列,将分解数据分别输入到经由种群变异策略和邻域搜索延伸策略改进的鲸鱼优化算法优化后的最小二乘支持向量机中,每个子序列的预测结果进行相加,即可得到最终的预测结果。通过仿
【基金项目】
：
黑龙江省自然科学基金联合引导资助项目(JJ2019LH0187)。
论文部分内容阅读
为提高负荷预测结果的精度,设计了一种基于VMD-IWOA-LSSVM(Variational Mode Decomposition-Improved Whale Optimization Algorithm-Least Square Support Vector Machine)短期负荷预测模型。先通过变分模态算法将原始负荷数据分解成多个子序列,将分解数据分别输入到经由种群变异策略和邻域搜索延伸策略改进的鲸鱼优化算法优化后的最小二乘支持向量机中,每个子序列的预测结果进行相加,即可得到最终的预测结果。通过仿
其他文献
随着知识图谱的广泛应用,为了提高从中提取知识数据和产品数据的准确率和效率,以知识图谱为数据源,根据实际业务需求制定业务数据抽取与组织规则(抽取规则即为题目中的映射规则,设计规则的表达描述方法和规范约束,由业务需求者填写实际可实施抽取的规则),支持根据该规则从知识图谱中抽取符合规则的子图。由于该子图符合设计业务需求方的规则,因此该子图包含了符合业务需求的数据和组织结构。通过数据产品生成规则(从结构相对固定,具备实际业务含义的子图数据生成报告文档、统计表格等业务用户最终需要的数据产品),从抽取的子图生成需要的
针对传统的拉普拉斯特征映射(LE:Laplacian Eigenmaps)算法采用欧氏距离度量样本点之间的位置关系只适用于线性数据集,但实际工程中的数据常表现出强烈的非线性导致最终的嵌入结果难以反映出原始数据的本质特征问题,提出了一种基于双度量约束的拉普拉斯特征映射(D-LE:Double metric constraint Laplace Eigenmaps)的算法。该算法采用余弦相似性评估样本间的相似性,并融合样本间以及样本与局部流形的度量关系,构建降维模型。通过在3个轴承数据集上进行实验,实验结果表
为解决现有长白山景点旅游数据不够集中、缺乏有效利用问题,通过合理制定基于Python的网络爬虫,实现了对部分旅游网站长白山旅游数据的爬取,并利用Tableau工具对数据进行可视化分析,从多个维度精准挖掘旅游人数与各个因素之间的潜在关系,得到了更为直观的效果,有利于趋势分布的观察,为长白山地区进一步制定合理的旅游策略奠定了基础。
研究比较了3个不同生长发育阶段(营养生长阶段、花蕾孕育及其前期阶段、开花阶段)的巴山木竹种群的植物叶片SPAD值,同时测定相应阶段的叶平均重量、单位重量枝的叶平均数量和重量,结果表明:巴山木竹从营养阶段到开花前期,叶绿素相对含量会降低大约10%左右,相对应的氮含量也有所降低;开花过程中叶均重量大幅减少可达80%,特别是单位枝重的叶均重量比的降低幅度更大,可达90%;两者共同导致光合效率和同化能力降低,表明叶的营养状况和形态结构与开花过程密切相关。巴山木竹的叶均重量、叶重与枝重比是比较敏感的形态结构指标,可
为解决现有电子测量实验教学中实验平台无法满足多层次人才培养的问题,结合测控技术与仪器专业电子测量实验教学目标与要求,引入电子测量前沿技术,研制开发一套与理论教学、工程实践紧密结合的实验教学平台。该平台采用模块化、开放式设计思路,包括基于DDS(Direct Digital Freqiaency Synthesizers)技术的信号源模块、带通滤波器模块、交流电压参数测量模块、数字频率计模块及供电、接口模块等,为学生验证理论知识提供实践操作平台。同时,为综合性、设计性实验提供开放式的硬件平台和资源。实践应用
微小故障的快速诊断是预防和减少重大显著性故障发生的关键。近年来,基于深度学习的智能故障诊断方法已成为船舶旋转机械领域研究的热点。本文提出了一种基于改进的LSTM-SVM的循环神经网络深度学习算法,解决船舶旋转机械在多传感器监测环境下的快速故障诊断问题。该算法首先采用多层堆叠的LSTM网络作为特征提取器捕获多通道时间序列原始数据中的故障微弱特征,然后在网络末端采用非线性支持向量机(SVM)代替传统的Softmax函数作为分类判别器,进一步提升诊断准确率。实验结果表明,提出的方法具有更高的诊断准确率和更快的诊
为更安全、高效地共享智能电网中的数据,提出基于属性加密的安全数据共享(AEDS:Attribute-Based Encryption Secure Data Sharing)算法。AEDS算法采用属性加密策略实现安全数据共享,并通过模糊访问策略,提高接入数据的安全性。引用线性密钥共享策略,支持任意单调的访问结构,进而增强访问策略的可表述性。性能分析表明,提出的AEDS算法有效地提高了接入效率,增强了接入数据的安全性。
针对用于三自由度机械臂各关节末端轨迹跟踪控制的非线性系统在扰动存在的情况下跟踪效率较低的问题,提出一种变增益迭代学习控制律。利用拉格朗日法建立动力学方程,设计三自由度机械臂结构的变增益迭代学习控制器并进行收敛性分析,通过Matlab的Simulink仿真模块,构建三自由度机械臂控制系统仿真图,进行闭环定常PD(Proportion Differentiation)型和闭环变增益PD型迭代学习控制器的三自由度机械臂对比仿真试验。仿真结果显示,基于变增益迭代学习的三自由度机械臂在干扰的状态下,能较短时间内收敛
针对传统Faster R-CNN(Region-Convolutional Neural Networks)检测钢材表面小目标性缺陷性能差的问题,提出了一种基于改进Faster R-CNN的钢材表面缺陷检测方法。首先引入导向锚点候选区域网络(GA-RPN:Guided Anchoring Region Proposal Network)预测锚点的位置和形状,设计可调节机制解决网络锚点形状偏移量超出
针对电机轴承故障识别准确率不高问题,提出了一种天牛须搜索算法(BAS:Beetle Antennae Search)与概率神经网络(PNN:Probabilistic Neural Network)相结合的滚动轴承故障诊断方法。该方法结合LLE(Locally Linear Embedding)算法得到振动信号的敏感特征,保证振动信号的可靠性和敏感性。并采用天牛须搜索算法对PNN网络中的平滑参数进行寻优,避免主观经验选取参数对诊断结果的影响。通过实验验证了该方法的有效性,可实现故障类型准确判别。