共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
精确的输电线路覆冰厚度预测,可以对线路除冰工作进行科学指导,及时调整电力系统除冰计划。覆冰厚度容易受到温度、湿度和风速等气候因素影响而具有不确定性和非线性。提出一种基于历史统计数据的输电线路覆冰厚度预测模型,使用变分模态分解(VMD)对覆冰厚度数据进行分解,得到具有不同中心频率的子分量;采用改进灰狼算法(IGWO)对最小二乘支持向量机(LS-SVM)中的参数惩罚因子c和核函数宽度δ进行寻优;对于各子分量分别建立最小二乘支持向量机(LS-SVM)预测模型,并集成为总预测值。通过仿真比较,验证了所提模型预测精度更高。 相似文献
4.
为客观地评价影响混凝土结构耐久性的多要素间的耦合作用和影响程度,相对准确地评估水工建筑物的服役状态和耐久性等级,以甘肃省景泰川电力提灌灌区二期工程总干渠#5渡槽混凝土结构耐久性评估为例,将影响结构耐久性的要素分解为环境、材料、人为3个子系统,通过构建影响各子系统的多级指标体系,运用模糊层次分析法(FAHP)建立多层次多指标的混凝土建筑物耐久性综合评估模型;定义了水工建筑物服役的Ⅰ~Ⅴ级共5个耐久性状态,基于模糊数学理论将指标定量化,通过可拓区间判断矩阵计算各层指标权重,结合模糊综合评价法进行逐级评估,从而实现了以综合评估值来定量描述混凝土建筑物的耐久性水平。评估结果表明,其综合评估值为65.76,根据等级划分确定耐久性等级为Ⅱ级,准确反映了渡槽的实际服役状态。可见该模型可较好地表征水工混凝土结构耐久性等级,具有一定的实际应用价值。 相似文献
5.
6.
7.
由于风速信号是非线性、非稳定性的动态信号,用传统预测方法难以达到满意效果。为提高预测精度,提出了基于经验模态分解与多步预测的最小二乘支持向量机相结合的方法,对风速时间序列进行建模预测,即首先对风速动态信号进行经验模式分解,将原信号分解为若干个不同特征尺度(频率)的本征模态函数,然后对不同频带的平稳IMF分量分别建立多步预测的最小二乘支持向量机模型,将各分量的预测值等权求和得到最终预测值。实例分析结果表明,与单一的最小二乘支持向量机预测方法相比,经验模态分解与多步预测的最小二乘支持向量机相结合的风速预测方法误差小,可应用于风速预测中。 相似文献
8.
汽车车内噪声声音品质的测试与评价 总被引:1,自引:0,他引:1
研究车内噪声客观物理特征与人的主观感受之间的影响关系。通过对3种车型在不同行驶速度下的噪声进行实时录制,并在测试室采用成对比较的方法进行主观评价,同时提取其心理学评价指标,对车辆噪声的烦恼度影响因素进行了试验和分析。采用多元回归分析的方法分析心理学评价指标与主观烦恼度之间的关系。通过心理声学评价指标的线性组合得到的总评估值与主观评估值之间有很高的相关性,能很好地解释主观评估值,采用心理声学评价指标的线性组合对车辆声音品质进行主观评价是可行的。 相似文献
9.
10.
基于粗糙集与支持向量机的发动机故障诊断研究 总被引:5,自引:0,他引:5
在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。 相似文献
11.
12.
提出了一种基于偏最小二乘支持向量机的负荷预测模型.首先通过偏最小二乘(PLS)对负荷数据进行成分提取,提取的成分具有线性特点,并消除输入因素的多重相关性,然后采用支持向量机方法(SVM)对提取的成分进行预测.算例表明,该算法用于短期负荷预测建模速度快,预测精度高,是种行之有效的方法. 相似文献
13.
14.
支持向量机(SVM)与BP神经网络相比各有优缺点,通过对支持向量机和BP神经网络在水轮发电机滚动轴承故障诊断中的仿真实验,来对比两者在轴承故障诊断上的泛化能力。首先通过应用经验模态分解(EMD)的方法将轴承振动信号进行分解,得到本征模函数(IMF),再将IMF的平均能量值作为故障特征向量。将这些特征向量作为支持向量机和BP神经网络的学习样本。经过仿真研究结果表明,在小样本集的前提下,支持向量机在轴承故障诊断中的精确度不但受样本数量变动的影响较小,准确度也高于BP神经网络,具有较强的泛化能力。对水轮发电机滚动轴承故障诊断模型的应优先考虑选择SVM。 相似文献
15.
16.
《中外能源》2017,(5)
数理统计方法和地质理论结合已逐渐成为研究复杂储层的方向。由于致密砂岩储层的复杂性,其孔隙度、渗透率与测井资料不只是简单的线性关系,常用的线性回归方法难以满足致密砂岩储层物性研究的精度要求。选取致密砂岩储层研究区内3口取心井511个岩心分析样品,首先运用贝叶斯判别法将储层砂岩分为三类:石英砂岩、岩屑砂岩和岩屑石英砂岩,然后采用多元逐步回归、主成分分析和支持向量机方法对不同类型砂岩分别进行建模,对比各方法得出的复相关系数,发现支持向量机回归得到的复相关系数明显高于其他两种方法 ,且支持向量机回归方法得到的预测值与原始值的平均绝对误差也是最小的。支持向量机模型效果检验结果表明,孔隙度绝对误差小于1.5%,渗透率绝对误差小于0.25×10~(-3)μm~2,说明该模型预测效果较好,适用于研究区致密砂岩储层物性参数建模。 相似文献
17.
提出一种优化的支持向量机风速组合预测模型,首先通过模糊层次分析法对参与组合的单项预测模型进行遴选,在当前风速样本集下自适应决策预测效果较优的单项预测模型的输出值作为支持向量机的输入,将实际风电场风速值作为支持向量机的输出,并采用粒子群算法优化支持向量机组合模型的参数。基于实际运营的风电场数据进行仿真分析,自适应遴选出BP神经网络、RBF神经网络、小波神经网络和遗传算法优化BP神经网络这4种单项预测模型参与支持向量机组合,结果表明所提方法的预测精度不仅高于单项模型,且高于线性组合预测模型和神经网络组合预测模型。 相似文献
18.
支持向量机的训练速度慢.制约了它的发展和推广应用。Suykens提出了一种新的支持向量机方法——最小二乘支持向量机。最小二乘支持向量机是支持向量机的发展和改进,它采用等式约束替代不等式约束,求解速度大大加快。将其用于大坝的渗流监测中.并与传统的支持向量机进行了比较,结果显示二者的预测效果都比较好.但是最小二乘支持向量机的训练效率比支持向量机要高。 相似文献
19.
20.
基于支持向量机的风速预测模型研究 总被引:5,自引:0,他引:5
由于风速的随机性很大,风速大小的影响因素较多,风速预测的准确度不高.针对这种现象,该文基于支持向量机(SVM)理论,结合风速资料,建立支持向量机(SVM)预测模型来进行短期的风速预测,由支持向量机预测模型得到的预测风速与实际风速基本一致,预测效果较理想,预测的平均绝对百分比误差为10.07%,验证了支持向量机预测模型在风速短期预测中的可行性. 相似文献