列车轴箱轴承在途鲁棒可视化故障诊断方法 被引量：7

1

作者 付云骁 贾利民 +2 位作者 杨杰 魏秀琨 秦勇 《铁道学报》 EI CAS CSCD 北大核心 2018年第12期38-45,共8页

为使列车轴箱轴承在非平稳工况下的故障识别更加有效,本文提出基于融合相关熵特征的鲁棒可视化滚动轴承故障诊断方法。通过快速集成经验模态分解FEEMD对轴承振动信号进行时频分解,提取本征模函数IMF矩阵;计算IMF与原始信号的线性相关系... 为使列车轴箱轴承在非平稳工况下的故障识别更加有效,本文提出基于融合相关熵特征的鲁棒可视化滚动轴承故障诊断方法。通过快速集成经验模态分解FEEMD对轴承振动信号进行时频分解,提取本征模函数IMF矩阵;计算IMF与原始信号的线性相关系LCC作为相关熵的调幅系数,进而通过相关统计计算获得样本集的多维相关熵矩阵CM;利用主元分析PCA对CM进行数据空间变换,通过提取变换后的融合相关熵矩阵ICM,实现相关熵矩阵的可视化。通过实验分别提取匀加速、匀速及匀减速3种运行工况下的滚动轴承ICM特征,通过对比EMD、EEMD和FEEMD 3种信号分解方法,发现FEEMD的信号分解效率更高,且ICM比传统特征对非平稳工况下轴承故障辨识的鲁棒性更好。FEEMD-ICM为轴箱轴承快速、客观且稳定的故障诊断实现提供了可靠的理论依据和技术支持。 展开更多

关键词 快速经验模态分解 融合相关熵矩阵 主成分分析 滚动轴承 可视化 故障诊断

下载PDF 职称材料

基于二层分解技术和改进极限学习机模型的PM2.5浓度预测研究 被引量：25

2

作者 罗宏远 王德运 +2 位作者 刘艳玲 魏帅 林彦兵 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2018年第5期1321-1330,共10页

准确的PM2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的PM2.5浓度预测方法... 准确的PM2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的PM2.5浓度预测方法,该方法融合了快速集成经验模态分解（FEEMD）和变分模态分解（VMD）两种分解技术以及经过差分演化（DE）算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明：1）相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2）基于二层分解技术的DE-ELM预测模型可以显著提高PM2.5浓度的预测精度. 展开更多

关键词 PM2.5浓度预测 快速集成经验模态分解 变分模态分解 差分演化算法 极限学习机

原文传递

基于分解–优化–集成学习方法的电价预测 被引量：15

3

作者 蒋锋 何佳琪 +1 位作者 曾志刚 田天海 《中国科学：信息科学》 CSCD 北大核心 2018年第10期1300-1315,共16页

随着新一轮电力市场改革的持续推进,电价作为反映市场运营状况的重要指标,准确预测电价能够帮助电力市场博弈方进行风险规避,达到经济收益最大化.本文提出了一种新的基于分解–优化–集成(decomposition-optimization-ensemble, DOE)的... 随着新一轮电力市场改革的持续推进,电价作为反映市场运营状况的重要指标,准确预测电价能够帮助电力市场博弈方进行风险规避,达到经济收益最大化.本文提出了一种新的基于分解–优化–集成(decomposition-optimization-ensemble, DOE)的混合学习模型来预测电价,首先利用快速集成经验模态分解方法将波动性较大的电价数据分解成一系列本征模态函数和一个残差序列.然后对鲸鱼算法从收敛速度、精度和算法搜索能力3个方面进行改进,再利用改进的鲸鱼算法优化径向基神经网络的扩展系数,采用优化后的径向基神经网络模型对分解得到的本征模态函数和残差序列进行预测.最后对分解后的子序列预测值进行集成,得到电价的预测值.为了验证混合学习模型的预测效果,本文对美国宾夕法尼亚–新泽西–马里兰电力市场的电价进行中长期和短期预测.实证结果显示DOE混合学习模型在水平精度和方向精度上均能获得很好的效果. 展开更多

关键词 电价预测 快速集成经验模态分解 改进的鲸鱼算法 径向基神经网络 方向精度

原文传递

基于FEEMD-SAPSO-BiLSTM组合模型的短时交通流预测 被引量：10

4

作者 殷礼胜 魏帅康 +1 位作者 孙双晨 何怡刚 《电子测量与仪器学报》 CSCD 北大核心 2021年第10期72-81,共10页

为了提高短时交通流的预测精度和预测速度,基于交通流量序列的不平稳性和随机性,提出了快速集合经验模态分解(fast ensemble empirical mode decomposition, FEEMD)和自然选择自适应变异粒子群算法(selection adaptive particle swarm o... 为了提高短时交通流的预测精度和预测速度,基于交通流量序列的不平稳性和随机性,提出了快速集合经验模态分解(fast ensemble empirical mode decomposition, FEEMD)和自然选择自适应变异粒子群算法(selection adaptive particle swarm optimization, SAPSO)优化双向长短时记忆网络(bidirection long short-term memory, BiLSTM)相结合的预测模型。首先,利用FEEMD将原始不平稳的交通流量序列分解成多个较平稳的固有模态分量(intrinsic mode function, IMF)和残差分量(resdiue, Res),并滤除掉噪声部分,提高建模精度;其次,引入复合多尺度排列熵(composite multiscale permutation entropy, CMPE)检测交通流量子序列的随机性并根据随机性的相近程度对其进行聚类重组,简化模型的构建,提高预测精度;然后,对重组后的子序列使用BiLSTM进行预测,并利用SAPSO优化BiLSTM的权值和阈值,进一步提高组合模型的预测精度和预测速度;最后,将各子序列预测值叠加得到最终的预测值。实验结果表明,FEEMD-SAPSO-BiLSTM组合模型的均方根误差比FEEMD-PSO-BiLSTM和SAPSO-BiLSTM组合模型分别降低了22.9%和54.3%,收敛速度方面,FEEMD-SAPSO-BiLSTM明显快于FEEMD-PSO-BiLSTM模型。因此在预测短时交通流上,提出的组合模型提高了预测精度和预测速度,达到了期望的预测效果。 展开更多

关键词 短时交通流 快速集合经验模态分解 自然选择自适应变异粒子群 双向长短时记忆网络

下载PDF 职称材料

基于核极限学习机的多变量非平稳脉动风速预测 被引量：7

5

作者 郑晓芬 钟旺 李春祥 《振动与冲击》 EI CSCD 北大核心 2017年第18期223-230,共8页

运用快速集合经验模态分解(FEEMD)技术将非平稳下击暴流风速分解为一系列的固有模态分量。随后,建立核极限学习机(KELM)非平稳风速预测模型(FEEMD-KELM),分别对分解后的非平稳脉动风速训练集和测试集实施预测。为比较,同时考虑了FEEMD-... 运用快速集合经验模态分解(FEEMD)技术将非平稳下击暴流风速分解为一系列的固有模态分量。随后,建立核极限学习机(KELM)非平稳风速预测模型(FEEMD-KELM),分别对分解后的非平稳脉动风速训练集和测试集实施预测。为比较,同时考虑了FEEMD-ELM的预测结果。通过比较这两种预测算法的结果,在非平稳下击暴流风速预测的稳定性和精度方面,发现FEEMD-KELM优于FEEMD-ELM。 展开更多

关键词 预测 极限学习机 核极限学习机 非平稳性 下击暴流 脉动风速 快速集合经验模态分解

下载PDF 职称材料

EEMD改进算法在异步电机轴承故障诊断中的应用 被引量：4

6

作者 吴勇 朱建军 邹奔 《中国舰船研究》 CSCD 北大核心 2022年第6期111-117,共7页

[目的]为了克服传统的集成经验模态分解(EEMD)方法凭经验选取参数(集成次数及白噪声幅值系数)的弊端,同时降低该方法的计算时间成本,提出一种快速集成经验模态分解(FEEMD)方法来提取特征频率。[方法]通过改变添加白噪声的分布密度,得到... [目的]为了克服传统的集成经验模态分解(EEMD)方法凭经验选取参数(集成次数及白噪声幅值系数)的弊端,同时降低该方法的计算时间成本,提出一种快速集成经验模态分解(FEEMD)方法来提取特征频率。[方法]通过改变添加白噪声的分布密度,得到不同的信号包络线。进一步通过求解移动均值滤波器最优的搜索窗口宽度来实现寻找最优的包络线,从而避免EEMD方法凭经验选择参数的缺陷。同时,在信号中的异常分量分解出来后,对剩余分量进行经验模态分解(EMD),从而进一步节省计算成本。最后,将该方法与Hilbert包络解调技术相结合应用到对异步电机轴承内环故障特征频率诊断中,并与传统的EEMD方法进行比较。[结果]结果表明,FEEMD方法能够更高效地完成对故障频率的提取。[结论]FEEMD方法可克服传统EEMD方法凭经验选取参数的弊端并缩短计算时间,有效应用在轴承故障频率的提取试验中。 展开更多

关键词 异步电机 故障诊断 快速集成经验模态分解 包络解调

下载PDF 职称材料

基于快速多维经验模态分解的北半球冬季近地表气温和积雪覆盖频率变化趋势提取 被引量：1

7

作者 刘权 姚凤梅 《中国科学院大学学报（中英文）》 CSCD 北大核心 2023年第2期191-202,共12页

北极正在以全球平均水平2倍的速度变暖,而北半球中纬度冬季出现明显的变冷趋势。这种异常的气候模式受到广泛关注。使用改进的快速多维经验模态分解方法,提取北半球中纬度近地表气温和积雪覆盖频率的长期趋势和变化率。从累积变化趋势来... 北极正在以全球平均水平2倍的速度变暖,而北半球中纬度冬季出现明显的变冷趋势。这种异常的气候模式受到广泛关注。使用改进的快速多维经验模态分解方法,提取北半球中纬度近地表气温和积雪覆盖频率的长期趋势和变化率。从累积变化趋势来看,自1990年代开始,亚欧大陆中部地区变冷,西伯利亚高压增强,积雪覆盖频率增大;但从变化速率来看,欧亚大陆中部的快速变冷和积雪覆盖频率的快速增加主要发生在1990—2000年代,之后变率趋缓。因此,随着变化率进一步降低,北半球中纬度冬季的快速变冷可能发展为一个短期而非长期趋势。本研究展示的近地表气温和积雪覆盖频率趋势的演化过程,对探究北半球中纬度变冷的成因有重要意义。 展开更多

关键词 近地表气温 积雪覆盖频率 快速多维经验模态分解

下载PDF 职称材料

电站锅炉管阵列内声传播特性及时延值测量 被引量：5

8

作者 安连锁 冯强 +4 位作者 沈国清 姜根山 张世平 王鹏 张海宇 《动力工程学报》 CAS CSCD 北大核心 2017年第1期13-20,共8页

对电站锅炉管阵列内声传播特性及时延值进行研究,利用Fluent软件对非均匀温度场与均匀温度场、不同管排数及不同布置方式的管阵列内声传播特性进行对比,并搭建管阵列实验台,引入快速集合经验模态分解(EEMD)算法对管阵列内时延值进行测量... 对电站锅炉管阵列内声传播特性及时延值进行研究,利用Fluent软件对非均匀温度场与均匀温度场、不同管排数及不同布置方式的管阵列内声传播特性进行对比,并搭建管阵列实验台,引入快速集合经验模态分解(EEMD)算法对管阵列内时延值进行测量.结果表明:管阵列内声传播存在声阻带,且在非均匀温度场集合经验模态分解下声阻带向低频段移动,管排数越多,声阻带效应越明显,管道间节距对错列与顺列布置方式下的声阻带有一定影响;基于快速EEMD处理,选用低频段声信号能够获得有效时延值. 展开更多

关键词 电站锅炉 管阵列 声传播特性 时延值 快速集合经验模态分解

下载PDF 职称材料

基于快速EEMD单通道混合信号分离算法的研究 被引量：5

9

作者 曾现巍 许凌云 江晓波 《电子设计工程》 2015年第14期20-22,25,共4页

单通道盲源分离是一种特殊的欠定盲源分离情况,常规的盲源分离算法不再适用。本文针对此问题提出通过快速经验模态分解(EEMD)将由多路信号混合成的单通道信号分解为多路本征模态函数,采用主成分分析估计源信号的个数,利用快速独立成分... 单通道盲源分离是一种特殊的欠定盲源分离情况,常规的盲源分离算法不再适用。本文针对此问题提出通过快速经验模态分解(EEMD)将由多路信号混合成的单通道信号分解为多路本征模态函数,采用主成分分析估计源信号的个数,利用快速独立成分分析恢复出相互独立的多路源信号。并对单通道语音混合信号进行了仿真,与经验模态分解和小波变换算法进行了比较,速度快且分离效果较好,仿真结果验证了算法的有效性。 展开更多

关键词 单通道 盲源分离 快速总体经验模态分解 主成分分析

下载PDF 职称材料

基于二层分解的PSO-LSTM模型风电功率超短期预测 被引量：5

10

作者 蒲娴怡 毕贵红 +2 位作者 王凯 谢旭 陈仕龙 《电机与控制应用》 2021年第5期86-92,共7页

为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对... 为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对高频分量采用变分模态分解(VMD)进行二层分解。运用样本熵来解决分量个数过多、计算量繁杂的问题。通过偏自相关函数(PACF)筛选出与预测值关联程度高的元素确定输入维数。最后,选用PSO来优化LSTM相关参数建立预测模型并叠加获得最终值。试验结果表明,该组合模型有效提高了预测精度。 展开更多

关键词 风电功率预测 快速集合经验模态分解 偏自相关函数 二层分解 粒子群优化 深度学习

下载PDF 职称材料

基于快速集合经验模态分解的桥梁动态特性分析

11

作者 孟隐 《现代工程科技》 2023年第3期5-8,33,共5页

GNSS技术与传统的桥梁变形检测手段相比,具备实时持续监控、受气候环境影响较小、高精度、高采样率、自动化、全天候的优点,基于GNSS的长时间的高采样率监测,可提供桥梁结构的动态特性信息。对受环境因素等影响含有大量噪声的GNSS桥梁... GNSS技术与传统的桥梁变形检测手段相比,具备实时持续监控、受气候环境影响较小、高精度、高采样率、自动化、全天候的优点,基于GNSS的长时间的高采样率监测,可提供桥梁结构的动态特性信息。对受环境因素等影响含有大量噪声的GNSS桥梁结构变形监测坐标时间序列进行精度频率等特性的识别提取,是该类大型工程安全运营的关键。通过假设一组模拟仿真信号数据为例,采用快速集合经验模态分解(FEEMD)数据分解算法,获取能反映桥梁安全运行状态的频率等特性。 展开更多

关键词 桥梁 GNSS技术 变形监测 快速集合经验模态分解

下载PDF 职称材料

基于FEEMD-PACF-BP_AdaBoost模型的风电功率超短期预测 被引量：4

12

作者 蒲娴怡 毕贵红 +1 位作者 王凯 高晗 《计算机应用与软件》 北大核心 2021年第11期91-97,共7页

针对风电功率超短期预测问题,提出基于快速集合经验模态分解(Fast Ensemble Empirical Mode Decomposition, FEEMD)、样本熵(Sample Entropy, SE)和BPAdaBoost集成神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用FEEMD... 针对风电功率超短期预测问题,提出基于快速集合经验模态分解(Fast Ensemble Empirical Mode Decomposition, FEEMD)、样本熵(Sample Entropy, SE)和BPAdaBoost集成神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用FEEMD方法将其分解为从一系列本征模态函数分量(IMF)和余项;运用样本熵来解决分量个数过多、计算量繁杂的问题,通过PACF(偏自相关系数)筛选出与预测值关联程度高的元素确定输入维数;选用泛化能力强的集成神经网络BPAdaBoost构建单步滚动预测模型并叠加获得最终值。实验结果表明,该组合模型提高了预测精度,具有可行性和有效性。 展开更多

关键词 风电功率预测 快速集合经验模态分解 偏自相关数 样本熵 ADABOOST BP神经网络

下载PDF 职称材料

基于改进快速集合经验模态分解和Elman-Adaboost的短期风速预测方法 被引量：4

13

作者 王凯 毕贵红 +2 位作者 高晗 蒲娴怡 陈仕龙 《电力科学与工程》 2020年第5期32-39,共8页

针对风电场风速时序的不可控特性以及短期风速预测精度低的问题,提出基于改进快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)和Elman-Adaboost的组合预测模型。首先,采用加余弦函数改进FEEMD方法将风速数据... 针对风电场风速时序的不可控特性以及短期风速预测精度低的问题,提出基于改进快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)和Elman-Adaboost的组合预测模型。首先,采用加余弦函数改进FEEMD方法将风速数据分解为相对平稳的本征模态函数分量;然后,运用样本熵(sampleentropy,SE)计算分量复杂度并按复杂度对分量进行重构;最后,基于Elman-Adaboost方法的单步直接预测方法来预测重构后分量下一天24 h的风速值,将所有分量的预测叠加得到最终的预测结果。选择预测点时间前24、48和72 h风速数据作为神经网络的输入维数,比较不同维数对预测精度的影响。实验证明,改进FEEMD-SE-Elman-Adaboost组合预测模型可以有效地提高风电场短期预测的精度。 展开更多

关键词 快速集合经验模态分解 端点效应 余弦窗函数 Elman-Adaboost

下载PDF 职称材料

基于FEEMD与CLSTM的水电机组趋势预测

14

作者 单亚辉 王浩 +2 位作者 吴根平 耿伟智 张洪峰 《水电与抽水蓄能》 2023年第5期17-20,共4页

为及时掌握水电机组的运行状态趋势,本文提出了一种基于快速集成经验模态分解(FEEMD)与卷积-长短记忆神经网络(CLSTM)的水电机组状态趋势预测方法。所提CLSTM预测模型在传统的LSTM单元中引入了卷积操作,可更好地捕捉本征模态分量中的局... 为及时掌握水电机组的运行状态趋势,本文提出了一种基于快速集成经验模态分解(FEEMD)与卷积-长短记忆神经网络(CLSTM)的水电机组状态趋势预测方法。所提CLSTM预测模型在传统的LSTM单元中引入了卷积操作,可更好地捕捉本征模态分量中的局部特征,且该模型可同时处理时间和空间维度的数据,有效提升预测精度。最后,通过国内某水电机组下导摆度趋势预测实验,验证了该方法可准确预测水电机组的运行状态趋势。 展开更多

关键词 水电机组 趋势预测 快速集成经验模态分解 卷积-长短记忆神经网络

下载PDF 职称材料

基于误差预测的风速集成学习模型 被引量：3

15

作者 陈建华 阎帅 巨云涛 《电网与清洁能源》 2019年第5期70-76,共7页

受风能随机性和预测模型的影响,风速预测时不可避免地会出现误差,通过挖掘误差特性可探索新的风速预测模型,提高预测精度。提出一种基于误差预测的风速集成学习模型。该模型首先采用快速集合经验模态分解来降低风速序列的随机性,其次采... 受风能随机性和预测模型的影响,风速预测时不可避免地会出现误差,通过挖掘误差特性可探索新的风速预测模型,提高预测精度。提出一种基于误差预测的风速集成学习模型。该模型首先采用快速集合经验模态分解来降低风速序列的随机性,其次采用布谷鸟算法优化最小二乘支持向量机对分解得到的各分量分别建立学习预测模型。同时将历史预测误差作为一个新序列,进行建模预测。最后将原序列的风速预测结果和误差序列预测结果进行叠加得到最终风速预测结果。算例结果表明,与传统方法相比,所提集成预测模型具有更好的预测精度,证明了在风速预测中,精细化挖掘预测误差对于提高预测精度的有效作用。 展开更多

关键词 风速预测 快速集合经验模态分解 布谷鸟优化 最小二乘支持向量机

下载PDF 职称材料

含直流馈入的带并补电抗线路单相自适应重合闸适用性分析及故障识别方法 被引量：1

16

作者 徐泉洲 李永丽 +1 位作者 宋金钊 张云柯 《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1442-1451,共10页

含直流馈入的交流线路发生永久性故障时,如不能准确判定故障性质,将使交流线路再一次承受短路电流冲击,危害直流系统运行安全。针对这一问题,提出了一种基于并联电抗器故障相谐波电流特性的单相自适应重合闸判据。首先,分析了现有单相... 含直流馈入的交流线路发生永久性故障时,如不能准确判定故障性质,将使交流线路再一次承受短路电流冲击,危害直流系统运行安全。针对这一问题,提出了一种基于并联电抗器故障相谐波电流特性的单相自适应重合闸判据。首先,分析了现有单相自适应重合闸判据在含直流馈入的交流系统中应用的适用性,并得出换流器发生换相失败后向交流系统注入的谐波分量可能会使现有单相自适应重合闸判据失效这一结论;其次,通过快速集合经验模态分解–希尔伯特(fast ensemble empirical mode decomposition-Hilbert,FEEMD-Hilbert)谱分析从流过故障相并联电抗器电流中分解出谐波分量,依据不同故障性质下等效电流回路的不同,提出了基于谐波电流幅值比的单相自适应重合闸判据;最后,基于PSCAD/EMTDC仿真实验验证了所提方法的有效性和实用性。 展开更多

关键词 直流馈入 并联电抗器 单相自适应重合闸 适用性分析 快速集合经验模态分解

下载PDF 职称材料

基于快速EEMD的自适应滤波算法在输电线路激光测距中的应用 被引量：2

17

作者 高晓东 郑连勇 +2 位作者 毕斌 高翔 王昕 《电气自动化》 2018年第5期112-115,共4页

为提高输电线路激光测距的精度,提出一种基于快速集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的自适应滤波算法。首先,应用EEMD对含噪的激光测距信号进行分解,得到了激光测距信号的本征模态函数(Intrinsic Mode Func... 为提高输电线路激光测距的精度,提出一种基于快速集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的自适应滤波算法。首先,应用EEMD对含噪的激光测距信号进行分解,得到了激光测距信号的本征模态函数(Intrinsic Mode Function,IMF)分量。同时,对EEMD进行改进,加设阈值筛选IMF分量,提高算法的运行速度。再次,采用基于最小均方算法(Least Mean Square,LMS)的自适应滤波器对分解得到的IMF分量进行去噪。然后,将所得到的IMF分量重构,得到了去噪后的激光测距信号。最后,经模拟试验,结果证明应用该方法得到信号的去噪效果好,确实能提高输电线路激光测距的精度。 展开更多

关键词 输电线路 激光测距 快速集合经验模态分解 自适应滤波 去噪

下载PDF 职称材料

基于改进FEEMD-FOA-LSSVM的短期风速预测

18

作者 李敏洁 高桂革 曾宪文 《新一代信息技术》 2020年第9期7-14,共8页

在短期风速预测的研究中,使用快速集合经验模态分解算法(FEEMD)可以降低风速的不稳定性,但分解过程会产生端点效应。最小二乘支持向量机(LSSVM)在预测问题的研究中应用比较广泛,预测结果却受模型参数选取的影响。提出改进的FEEMD-FOA-LS... 在短期风速预测的研究中,使用快速集合经验模态分解算法(FEEMD)可以降低风速的不稳定性,但分解过程会产生端点效应。最小二乘支持向量机(LSSVM)在预测问题的研究中应用比较广泛,预测结果却受模型参数选取的影响。提出改进的FEEMD-FOA-LSSVM模型:首先对原始的风速序列使用改进的FEEMD算法进行分解,降低风速序列的不稳定性以及端点效应的影响。其次通过样本熵重组对分解产生的子序列进行合并,同时使用改进的果蝇算法(FOA)提高寻优效果,优化LSSVM模型参数,并通过测试函数验证改进的FOA算法,合并各预测值完成预测。仿真验证,所提出的改进模型在改善上述问题的同时也提高了预测精度。 展开更多

关键词 快速集合经验模态分解 端点效应 样本熵 果蝇算法 最小二乘支持向量机

下载PDF 职称材料

一种改进的FEEMD-FOA-LSSVM短期风速预测方案

19

作者 李敏洁 高桂革 曾宪文 《新一代信息技术》 2021年第7期9-16,共8页

在短期风速预测的研究中,使用快速集合经验模态分解算法(FEEMD)可以降低风速的不稳定性,但分解过程会产生端点效应。最小二乘支持向量机(LSSVM)在预测问题的研究中应用比较广泛,预测结果却受模型参数选取的影响。提出改进的FEEMD-FOA-LS... 在短期风速预测的研究中,使用快速集合经验模态分解算法(FEEMD)可以降低风速的不稳定性,但分解过程会产生端点效应。最小二乘支持向量机(LSSVM)在预测问题的研究中应用比较广泛,预测结果却受模型参数选取的影响。提出改进的FEEMD-FOA-LSSVM模型:首先对原始的风速序列使用改进的FEEMD算法进行分解,降低风速序列的不稳定性以及端点效应的影响。其次通过样本熵重组对分解产生的子序列进行合并,同时使用改进的果蝇算法(FOA)提高寻优效果,优化LSSVM模型参数,并通过测试函数验证改进的FOA算法,合并各预测值完成预测。仿真验证,所提出的改进模型在改善上述问题的同时也提高了预测精度。 展开更多

关键词 快速集合经验模态分解 端点效应 样本熵 果蝇算法 最小二乘支持向量机

下载PDF 职称材料

快速自适应经验模态分解方法的基本原理及其性能评估 被引量：7

20

作者 周义 李鸿光 《振动与冲击》 EI CSCD 北大核心 2016年第3期14-19,共6页

经验模态分解是一种有效的信号分解方法,尤其是针对非平稳非线性信号。然而,随着研究的深入,学者们发现该方法中存在着诸多弊端。根据Bhuiyan的研究,提出了一种针对一维信号的快速自适应经验模态分解方法。通过大量的数值仿真,证明这种... 经验模态分解是一种有效的信号分解方法,尤其是针对非平稳非线性信号。然而,随着研究的深入,学者们发现该方法中存在着诸多弊端。根据Bhuiyan的研究,提出了一种针对一维信号的快速自适应经验模态分解方法。通过大量的数值仿真,证明这种方法不但能克服传统方法的弊端、得到高质量的分解结果,还能大幅度地提高计算效率。 展开更多

关键词 经验模态分解 快速自适应经验模态分解 数值仿真

下载PDF 职称材料