期刊文献+
共找到929篇文章
< 1 2 47 >
每页显示 20 50 100
核函数方法及其模型选择 被引量:40
1
作者 王华忠 俞金寿 《江南大学学报(自然科学版)》 CAS 2006年第4期500-504,共5页
核函数方法已成为近年来机器学习领域继人工神经网络方法之后又一个十分流行和有效的方法.阐述了核函数方法的基本原理、特点及实施步骤,介绍了几种主要的核函数方法,最后重点分析和讨论了核函数方法中参数选择和核函数构造等核函数方... 核函数方法已成为近年来机器学习领域继人工神经网络方法之后又一个十分流行和有效的方法.阐述了核函数方法的基本原理、特点及实施步骤,介绍了几种主要的核函数方法,最后重点分析和讨论了核函数方法中参数选择和核函数构造等核函数方法研究中的热点问题,并对其未来研究作了展望. 展开更多
关键词 核函数方法 支持向量机 模型选择 核主元分析
下载PDF
二次模态分解组合DBiLSTM-MLR的综合能源系统负荷预测 被引量:52
2
作者 陈锦鹏 胡志坚 +3 位作者 陈纬楠 高明鑫 杜一星 林铭蓉 《电力系统自动化》 EI CSCD 北大核心 2021年第13期85-94,共10页
用户级综合能源系统多元负荷存在随机性、波动性相对更大的特点,现有预测方法不能得到很好的预测效果。为此提出一种基于核主成分分析(KPCA)、二次模态分解、深度双向长短期记忆(DBiLSTM)神经网络和多元线性回归(MLR)的多元负荷预测模... 用户级综合能源系统多元负荷存在随机性、波动性相对更大的特点,现有预测方法不能得到很好的预测效果。为此提出一种基于核主成分分析(KPCA)、二次模态分解、深度双向长短期记忆(DBiLSTM)神经网络和多元线性回归(MLR)的多元负荷预测模型。首先,运用自适应噪声的完全集合经验模态分解分别对电、冷、热负荷进行本征模态分解,对分解得到的强非平稳分量运用变分模态分解进行再次分解。然后,运用KPCA对天气、日历规则特征集提取主成分实现数据降维;将分解得到的非平稳、平稳分量结合特征集主成分分别用DBiLSTM神经网络、MLR进行预测。最后,将预测结果进行重构得到最终预测结果。通过实际算例分析可知,与其他模型相比,所提模型具有更高的预测精度。 展开更多
关键词 多元负荷预测 深度双向长短期记忆 二次模态分解 核主成分分析 多元线性回归
下载PDF
基于小波包分析和概率神经网络的电磁法三电平变换器故障诊断方法 被引量:49
3
作者 于生宝 何建龙 +2 位作者 王睿家 李刚 苏发 《电工技术学报》 EI CSCD 北大核心 2016年第17期102-112,共11页
针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利... 针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利用核主成分分析对特征向量进行降维,可以简化分类器的结构,提高诊断时间。采用概率神经网络建立故障分类器,可以提高诊断方法的鲁棒性。在一台5 k W电磁法三电平变换器实验样机上进行实验和分析,实验结果表明该方法可以准确地进行故障诊断,有较好的诊断准确度、实时性和较强的鲁棒性,具有一定的工程应用价值。 展开更多
关键词 三电平变换器 电磁法发射机 小波包分析 核主成分分析 概率神经网络 故障诊断
下载PDF
一种基于KPCA的非线性故障诊断方法 被引量:27
4
作者 邓晓刚 田学民 《山东大学学报(工学版)》 CAS 2005年第3期103-106,共4页
介绍了一种非线性故障检测方法———核主元分析法(KPCA),通过核函数来完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间.在特征空间中使用PCA计算主元,构造T2和SPE统计量检测过程故障的发生.提出了一种KPCA贡献图计算方法... 介绍了一种非线性故障检测方法———核主元分析法(KPCA),通过核函数来完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间.在特征空间中使用PCA计算主元,构造T2和SPE统计量检测过程故障的发生.提出了一种KPCA贡献图计算方法,根据测量变量和非线性主元的相关性,计算测量变量的贡献量绘制贡献图,用于故障变量的分离.仿真结果表明,KPCA方法可以比PCA方法更加迅速的检测到故障的发生,利用KPCA贡献图可以较好的辨识出故障变量. 展开更多
关键词 核主元分析法 贡献图 非线性过程 故障检测 故障诊断
下载PDF
基于核主成分分析和极限学习机的短期电力负荷预测 被引量:47
5
作者 董浩 李明星 +3 位作者 张淑清 韩立强 李军锋 宿新爽 《电子测量与仪器学报》 CSCD 北大核心 2018年第1期188-193,共6页
电力负荷预测的影响因素很多,需要综合考虑多个指标。各种指标间的关系通常是非线性的,采用线性主成分分析(PCA)往往会出现各主成分的贡献率太过分散,找不到具有全面综合能力的成分的情况。核主成分分析(KPCA)作为非线性主成分评价模型... 电力负荷预测的影响因素很多,需要综合考虑多个指标。各种指标间的关系通常是非线性的,采用线性主成分分析(PCA)往往会出现各主成分的贡献率太过分散,找不到具有全面综合能力的成分的情况。核主成分分析(KPCA)作为非线性主成分评价模型,通过核技巧,规避了非线性主成分分析(NLPCA)中非线性变换的未确知性,获得的主成分的贡献率比较集中,得到的评价结果更符合客观事实。采用KPCA来改进极限学习机(ELM)神经网络的输入量,兼顾了各个指标间非线性关系,以保留大部分原始信息为前提,有效的降低了输入维数,以极限学习机为预测模型,对实际电网中的负荷数据进行预测分析,结果表明,KPCA-ELM方法有效地提高了预测精度。 展开更多
关键词 短期负荷预测 多变量天气因子 核主成分分析 极限学习机
下载PDF
多策略改进麻雀算法与BiLSTM的变压器故障诊断研究 被引量:43
6
作者 王雨虹 王志中 +2 位作者 付华 王淑月 王留洋 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第3期87-97,共11页
针对变压器故障诊断精度低的问题,提出了一种多策略改进麻雀算法(MISSA)与双向长短时记忆网络(BiLSTM)的变压器故障诊断模型。基于油中溶解气体分析(DGA)技术,结合无编码比值方法提取变压器9维故障特征作为模型输入进行网络训练,输出层... 针对变压器故障诊断精度低的问题,提出了一种多策略改进麻雀算法(MISSA)与双向长短时记忆网络(BiLSTM)的变压器故障诊断模型。基于油中溶解气体分析(DGA)技术,结合无编码比值方法提取变压器9维故障特征作为模型输入进行网络训练,输出层采用Softmax函数得到故障诊断类型;采用Logistic混沌映射、均匀分布的动态自适应权重以及动态拉普拉斯算子来对麻雀搜索算法(SSA)进行改进;在初始解集内,利用MISSA对目标超参数进行寻优,使变压器故障诊断精度最优,并结合核主成分分析(KPCA)对故障特征指标降维,加快模型收敛速度。结果表明,提出的模型诊断精度为94%与PSO-BiLSTM、GWO-BiLSTM和SSA-BiLSTM故障诊断模型相比,分别提高了11.33%、8.67%、6%,验证了本文方法能够有效地提高变压器的故障诊断性能。 展开更多
关键词 变压器 油中溶解气体 麻雀算法 深度学习 核主成分分析
下载PDF
利用组合核函数提高核主分量分析的性能 被引量:22
7
作者 孔锐 施泽生 +1 位作者 郭立 张国宣 《中国图象图形学报(A辑)》 CSCD 北大核心 2004年第1期40-45,共6页
为了提高图像分类的识别率 ,在对基于核的学习算法中 ,核函数的构成条件以及不同核函数的特性进行分析和研究的基础上 ,提出了一种新的核函数——组合核函数 ,并将它应用于核主分量分析 (KPCA)中 ,以便进行图像特征的提取 ,由于新的核... 为了提高图像分类的识别率 ,在对基于核的学习算法中 ,核函数的构成条件以及不同核函数的特性进行分析和研究的基础上 ,提出了一种新的核函数——组合核函数 ,并将它应用于核主分量分析 (KPCA)中 ,以便进行图像特征的提取 ,由于新的核函数既可以提取全局特征 ,又可以提取局部特征 ,因此 ,可以提高 KPCA在图像特征提取中的性能。为了验证所提出核函数的有效性 ,首先利用新的核函数进行 KPCA,以便对手写数字和脸谱等图像进行特征提取 ,然后利用线性支持向量机 (SVM)来进行识别 ,实验结果显示 ,从识别率上看 ,用组合核函数所提取的特征质量比原核函数所提取的特征质量高。 展开更多
关键词 核主分量分析 核函数 主分量分析 支持向量机 统计模式识别
下载PDF
基于KPCA和WPHM的滚动轴承可靠性评估与寿命预测 被引量:36
8
作者 王奉涛 陈旭涛 +3 位作者 柳晨曦 李宏坤 韩清凯 朱泓 《振动.测试与诊断》 EI CSCD 北大核心 2017年第3期476-483,共8页
为了评估滚动轴承的可靠性和预测剩余使用寿命,选取能够反映性能退化过程的特征参数作为寿命预测模型的输入参数,提出一种基于核主元分析(kernel principal component analysis,简称KPCA)和威布尔比例故障率模型(Weibull proportional h... 为了评估滚动轴承的可靠性和预测剩余使用寿命,选取能够反映性能退化过程的特征参数作为寿命预测模型的输入参数,提出一种基于核主元分析(kernel principal component analysis,简称KPCA)和威布尔比例故障率模型(Weibull proportional hazards model,简称WPHM)的方法。首先,提取滚动轴承全寿命周期的时域、频域及时频域等多特征参数,从中筛选出有效的特征参数,构建高维相对特征集;其次,进行核主元分析,选取能够反映轴承全寿命周期性能退化过程的核主元,进而作为WPHM的协变量来进行可靠性评估和剩余寿命预测。通过滚动轴承全寿命试验,验证了该方法能够对轴承进行准确的可靠性评估和剩余寿命预测,以提供及时的维修决策。同时,由于提取的是相对特征,降低了同种轴承间在制造、安装及工况的差异,增强了该方法的适用性和稳定性。 展开更多
关键词 滚动轴承 寿命预测 核主元分析 威布尔比例故障率模型 相对特征
下载PDF
三角洲砂岩尖灭线的地震匹配追踪瞬时谱识别方法 被引量:36
9
作者 张繁昌 李传辉 印兴耀 《石油地球物理勘探》 EI CSCD 北大核心 2012年第1期82-88,188+195,共7页
本文在介绍地震信号匹配追踪的基本原理和高精度瞬时谱的计算方法的基础上。通过分析楔形尖灭体的时域和频域响应特征,提出了一种在时频域利用瞬时谱特征识别砂岩尖灭位置的新方法。针对三角洲构造的不同方向的尖灭厚度是变化的,本文提... 本文在介绍地震信号匹配追踪的基本原理和高精度瞬时谱的计算方法的基础上。通过分析楔形尖灭体的时域和频域响应特征,提出了一种在时频域利用瞬时谱特征识别砂岩尖灭位置的新方法。针对三角洲构造的不同方向的尖灭厚度是变化的,本文提出利用核主成分分析方法,将优势调谐频带内各瞬时谱分量包含的尖灭线有效信息进行综合,即可展示出尖灭线的全貌,从而减少了三角洲尖灭线解释的不确定性。 展开更多
关键词 匹配追踪 瞬时谱 尖灭线 核主成分分析 薄层反射
下载PDF
结合KPCA和稀疏表示的SAR目标识别方法研究 被引量:32
10
作者 韩萍 王欢 《信号处理》 CSCD 北大核心 2013年第12期1696-1701,共6页
提出了一种结合KPCA(Kernel Principal Component Analysis)和稀疏表示的合成孔径雷达(Synthetic Aperture Rader,SAR)目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法(Gradient Pr... 提出了一种结合KPCA(Kernel Principal Component Analysis)和稀疏表示的合成孔径雷达(Synthetic Aperture Rader,SAR)目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法(Gradient Projection for Sparse Reconstruction,GPSR)求得测试样本的稀疏系数,最后根据稀疏系数的能量特征实现分类识别。利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR数据进行实验,实验结果表明该方法在方位角未知的情况下平均识别率达到96.78%,能够明显地提高目标的识别结果,是一种有效的SAR目标识别方法。 展开更多
关键词 目标识别 合成孔径雷达 核主成分分析 稀疏表示 梯度投影法
下载PDF
基于红外与紫外图像信息融合的绝缘子污秽状态识别 被引量:31
11
作者 金立军 张达 +1 位作者 段绍辉 姚森敬 《电工技术学报》 EI CSCD 北大核心 2014年第8期309-318,共10页
为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器... 为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,分别得到红外与紫外特征的三维核主元向量,使用径向基神经网络(RBFNN)分别进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明,该方法的正确率显著优于单独使用红外或紫外特征进行识别,为绝缘子污秽状态的非接触检测提供了新的方法。 展开更多
关键词 污秽状态 决策级融合 FISHER准则 核主元分析 径向基神经网络
下载PDF
H桥逆变器IGBT开路故障诊断方法研究 被引量:31
12
作者 杨晓冬 王崇林 史丽萍 《电机与控制学报》 EI CSCD 北大核心 2014年第5期112-118,共7页
针对H桥结构的逆变器中功率器件(insulated gate bipolar transistor,IGBT)开路故障的特点,提出了基于小波多分辨率分析、核主成分分析和最小二乘支持向量机的故障诊断方法。此方法选取半个基波周期的电容电压平均值为原始信号,避免了... 针对H桥结构的逆变器中功率器件(insulated gate bipolar transistor,IGBT)开路故障的特点,提出了基于小波多分辨率分析、核主成分分析和最小二乘支持向量机的故障诊断方法。此方法选取半个基波周期的电容电压平均值为原始信号,避免了负载变化对故障诊断的影响。首先利用小波多分辨率分析对原始信号进行多尺度分解提取出特征向量,然后利用核主成分分析方法来实现特征降维,最后建立了基于最小二乘支持向量机的故障分类器。在一台660 V低压静止同步补偿器试验样机上进行了试验和分析,结果表明该方法具有良好的准确性和实时性。 展开更多
关键词 H桥逆变器 绝缘栅双极型晶体管 核主成分分析 最小二乘支持向量机 故障诊断
下载PDF
基于Kernel K-means的负荷曲线聚类 被引量:30
13
作者 赵文清 龚亚强 《电力自动化设备》 EI CSCD 北大核心 2016年第6期203-207,共5页
电力负荷曲线聚类是配用电系统的基础,对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性,通过点积的方式构造核矩阵,再将数据映射到高维空间中进行聚类,进而加大数据的可分性。同时,针对核矩阵的规模大、计... 电力负荷曲线聚类是配用电系统的基础,对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性,通过点积的方式构造核矩阵,再将数据映射到高维空间中进行聚类,进而加大数据的可分性。同时,针对核矩阵的规模大、计算复杂的问题,提出使用核主成分与缩减矩阵规模对该方法进行优化。实验过程中采用美国能源部开发能源信息网站提供的负荷数据进行聚类,并以Davies-Bouldin聚类有效性指标评估效果。结果表明该方法具有较好的划分能力,可以提高负荷曲线聚类的准确性。 展开更多
关键词 负荷曲线 聚类算法 核矩阵 核主成分分析 削减矩阵
下载PDF
基于KPCA和MKL-SVM的非线性过程监控与故障诊断 被引量:30
14
作者 许洁 胡寿松 《仪器仪表学报》 EI CAS CSCD 北大核心 2010年第11期2428-2433,共6页
利用核主元分析非线性过程监控的优势,结合多重核学习支持向量机在故障诊断方面的准确性,提出了基于核主元分析和多重核学习支持向量机的非线性过程监控与故障诊断方法。该方法运用核主元法对数据进行处理,在特征空间构建T2和SPE来检测... 利用核主元分析非线性过程监控的优势,结合多重核学习支持向量机在故障诊断方面的准确性,提出了基于核主元分析和多重核学习支持向量机的非线性过程监控与故障诊断方法。该方法运用核主元法对数据进行处理,在特征空间构建T2和SPE来检测故障的发生,若有故障发生,则计算样本的非线性主元得分向量,将其作为MKL-SVM的输入值,通过MKL-SVM的分类进行故障类型识别。将上述方法应用到Tennessee Eastman(TE)化工过程,多种故障模式的仿真结果表明该方法不但能有效地辨识故障,而且提高了故障检测和故障诊断的速度。 展开更多
关键词 核主元分析 多重核学习 支持向量机 过程监控 故障诊断
下载PDF
基于颜色和纹理特征的黄瓜病害识别算法 被引量:30
15
作者 胡敏 陈红波 +2 位作者 许良凤 谢成军 江河 《电子测量与仪器学报》 CSCD 北大核心 2015年第7期970-977,共8页
为了提高黄瓜叶部病害的识别效果及实用性,增强特征描述能力,提出一种新的黄瓜病害图像分割及颜色、纹理特征提取算法。首先,对自然环境中采集的病害图片进行不同颜色空间的预处理和分割,对分割结果图像进行融合处理;然后,对病斑区域提... 为了提高黄瓜叶部病害的识别效果及实用性,增强特征描述能力,提出一种新的黄瓜病害图像分割及颜色、纹理特征提取算法。首先,对自然环境中采集的病害图片进行不同颜色空间的预处理和分割,对分割结果图像进行融合处理;然后,对病斑区域提取模糊量化直方图、颜色聚合度作为颜色特征,利用颜色相似性度量函数计算颜色共生矩阵,提取病斑的纹理特征;最后,通过核主成分分析对颜色和纹理特征进行融合,去除冗余成分,利用支持向量机对病害进行分类识别。在采集的黄瓜病害实验库上进行实验,取得了94.11%的识别率。通过充分利用病害识别中占主要识别依据的颜色信息,并结合纹理信息,较好地表达了病斑特征。和其他方法的实验对比结果表明,本文方法能有效提高黄瓜病害的识别率。 展开更多
关键词 叶部病害 模糊量化直方图 颜色聚合度 颜色共生矩阵 核主成分分析
下载PDF
类均值核主元分析法及在故障诊断中的应用 被引量:28
16
作者 李学军 李平 蒋玲莉 《机械工程学报》 EI CAS CSCD 北大核心 2014年第3期123-129,共7页
核主元分析在应用过程中,通常采用累积贡献率法确定核主元个数,舍弃一些贡献率较小的核主元,导致数据样本部分信息的损失,影响故障诊断的效果。针对这一情况,提出一种类均值核主元分析法,它将输入空间的数据样本映射到高维特征空间后,... 核主元分析在应用过程中,通常采用累积贡献率法确定核主元个数,舍弃一些贡献率较小的核主元,导致数据样本部分信息的损失,影响故障诊断的效果。针对这一情况,提出一种类均值核主元分析法,它将输入空间的数据样本映射到高维特征空间后,先求出各类映射数据的类均值矢量,然后在类均值矢量张成的子空间上对类均值矢量进行主元分析,利用构建的类均值核矩阵,建立类均值核主元算法。由类均值核主元形成的特征矢量包含原数据样本的全部变异信息,并且维数低于故障类别数,能够在类均值矢量基础上实现无信息损失的数据降维。将改进算法应用于滚动轴承故障诊断,结果表明,它具有比传统核主元分析更强的综合原始变量信息的能力,能更好地提取数据样本的类别信息,快速实现故障模式的准确识别。 展开更多
关键词 核主元分析 类均值核主元分析 故障诊断
下载PDF
基于核主成分分析与改进神经网络的电力负荷中期预测模型 被引量:28
17
作者 孙新程 孔建寿 刘钊 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第3期259-265,共7页
为了提高电力负荷中期预测水平,提出了1种核主成分分析(KPCA)和粒子群优化反向传播神经网络(PSO-BPNN)相结合的电力负荷中期预测模型。引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大... 为了提高电力负荷中期预测水平,提出了1种核主成分分析(KPCA)和粒子群优化反向传播神经网络(PSO-BPNN)相结合的电力负荷中期预测模型。引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大预测负荷修正日预测负荷的方法,输出待预测日的最大预测负荷。采用欧洲智能技术网络提供的负荷数据进行验证,实验结果的平均绝对百分误差为1.39%。 展开更多
关键词 核主成分分析 粒子群优化 反向传播神经网络 电力负荷 中期预测
下载PDF
基于核主元分析和支持向量机的电站锅炉飞灰含碳量软测量建模 被引量:24
18
作者 陈敏生 刘定平 《华北电力大学学报(自然科学版)》 CAS 北大核心 2006年第1期72-75,92,共5页
飞灰含碳量是影响锅炉热效率的一个重要因素,是评价燃烧好坏和锅炉优化运行的重要指标。利用最小二乘支持向量机这种新的机器学习工具,建立了飞灰含碳量的软测量模型。针对模型输入变量之间存在强耦合、非线性等特征,采用核主元分析(KP... 飞灰含碳量是影响锅炉热效率的一个重要因素,是评价燃烧好坏和锅炉优化运行的重要指标。利用最小二乘支持向量机这种新的机器学习工具,建立了飞灰含碳量的软测量模型。针对模型输入变量之间存在强耦合、非线性等特征,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据。应用该模型对某300MW四角切圆燃煤电站锅炉的飞灰含碳量进行研究,理论分析和仿真计算表明,该方法学习速度快、泛化能力强、对样本的依赖程度低,比BP神经网络的软测量建模具有更好的推广能力。 展开更多
关键词 飞灰含碳量 支持向量机 核主元分析 软测量 电站锅炉
下载PDF
基于KPCA-LSSVM的软测量建模方法 被引量:27
19
作者 王强 田学民 《化工学报》 EI CAS CSCD 北大核心 2011年第10期2813-2817,共5页
提出了一种将核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)相结合的软测量建模方法。核主成分分析能够对样本数据进行特征提取,消除数据的相关性。本文利用KPCA提取主元,降低样本的维数;然后利用最小二乘支持向量机进行建模,不仅降... 提出了一种将核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)相结合的软测量建模方法。核主成分分析能够对样本数据进行特征提取,消除数据的相关性。本文利用KPCA提取主元,降低样本的维数;然后利用最小二乘支持向量机进行建模,不仅降低了模型的复杂性,而且提高了模型的泛化能力。用该方法建立柴油凝点的软测量模型,和其他4种方法比较,结果表明基于KPCA-LSSVM方法建立的软测量模型有较好的预测效果和泛化能力,是一种有效的数据建模方法。 展开更多
关键词 软测量 核主成分分析(KPCA) 最小二乘支持向量机(LSSVM) 特征提取
下载PDF
基于Copula理论与KPCA-GRNN结合的区域综合能源系统多元负荷短期预测模型 被引量:27
20
作者 马建鹏 龚文杰 张智晟 《电工电能新技术》 CSCD 北大核心 2020年第3期24-31,共8页
通过Copula理论对多元负荷之间以及多元负荷与天气因素之间的非线性相关性进行分析。基于分析结果构建模型样本集,通过核主成分分析(KPCA)对样本集进行降维解耦,采用广义回归神经网络(GRNN)模型对多元负荷进行预测,模型参数采用遗传算... 通过Copula理论对多元负荷之间以及多元负荷与天气因素之间的非线性相关性进行分析。基于分析结果构建模型样本集,通过核主成分分析(KPCA)对样本集进行降维解耦,采用广义回归神经网络(GRNN)模型对多元负荷进行预测,模型参数采用遗传算法进行优化。以北方某建筑级区域综合能源系统夏季多元负荷中的电负荷和冷负荷算例为例,与其他两种预测模型进行对比,验证结果表明,基于Copula理论与KPCA-GRNN结合的区域综合能源系统多元负荷短期预测模型具有较高的预测精度,该模型具有一定的应用价值。 展开更多
关键词 区域综合能源系统 多元负荷预测 COPULA理论 核主成分分析 广义回归神经网络
下载PDF
上一页 1 2 47 下一页 到第
使用帮助 返回顶部