基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测 被引量：21

1

作者 骆正山 姚梦月 +1 位作者 骆济豪 王小完 《表面技术》 EI CAS CSCD 北大核心 2018年第11期173-180,共8页

目的提高埋地管道外腐蚀速率的预测精度。方法建立基于核主成分分析法(KPCA)和天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外... 目的提高埋地管道外腐蚀速率的预测精度。方法建立基于核主成分分析法(KPCA)和天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外腐蚀速率预测的数学模型,并采用BAS算法对模型进行优化,减小了人为设置参数的影响。以川气东送埋地管段为例,分析选取出12种关键影响因素,建立了埋地管道外腐蚀指标体系,借助MATLAB-R2014a编写程序进行仿真,并与实际值进行对比。结果模型的预测结果与实际值基本一致,KPCA可有效降低指标体系的维度,提取出包含原始信息97.9%的3个主因素—土壤电阻率、氧化还原电位、氯离子含量,简化了运算过程。采用的BAS-GRNN模型将预测精度提高到7.83%以内,平均相对误差5.21%,决定系数取值0.93。与其他模型相比,该模型性能较好,预测精度更高。结论采用KPCA提取的主要影响因素符合工程实际,建立的BAS-GRNN模型预测精度高,有较好的适应性,为埋地管道外腐蚀速率预测提供了新思路,对管道的维护更新工作提供了参考依据。 展开更多

关键词 埋地管道 外腐蚀速率预测模型 核主成分分析法(kpca) 天牛须搜索算法(BAS) 广义回归神经网络(GRNN)

下载PDF 职称材料

基于KPCA-CMGANN算法的瓦斯涌出量预测研究 被引量：21

2

作者 肖鹏 谢行俊 +3 位作者 双海清 刘朝阳 王海宁 徐经苍 《中国安全科学学报》 CAS CSCD 北大核心 2020年第5期39-47,共9页

为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BP... 为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BPNN;构建CMGA与BPNN的耦合算法(CMGANN),计算分析某低瓦斯矿井监测历史数据形成的样本集,建立KPCA-CMGANN预测模型;用KPCA-CMGANN预测模型和其他3种网络模型分别对煤矿现场数据进行预测。结果表明:KPCA-CMGANN预测模型在379个时间步长里达到收敛,4个回采工作面的瓦斯涌出量预测相对误差分别为0.58%、0.63%、0.57%和0.45%,平均相对误差仅为0.56%,预测精度和收敛速度均优于对比模型,可实现瓦斯涌出量的快速精准预测。 展开更多

关键词 瓦斯涌出量预测 核主成分分析法(kpca) 压缩映射遗传算法(CMGA) BP神经网络(BPNN) 样本集

下载PDF 职称材料

基于小波KPCA-SSA-ELM的盐穴储气库注采管柱内腐蚀速率预测 被引量：4

3

作者 骆正山 欧阳长风 +1 位作者 王小完 张新生 《安全与环境学报》 CAS CSCD 北大核心 2023年第7期2238-2245,共8页

为提升盐穴储气库注采管柱的内腐蚀速率预测精度,建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率... 为提升盐穴储气库注采管柱的内腐蚀速率预测精度,建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率预测模型。首先通过小波KPCA提取影响注采管柱内腐蚀的主要特征,应用ELM建立盐穴储气库注采管柱内腐蚀速率预测模型,并采用SSA对模型参数进行迭代寻优,避免原参数选取的强随机性对模型泛化能力和预测性能的影响。结果表明,经小波KPCA特征提取后得到包含98.73%原信息的3项主成分,SSA-ELM模型的预测结果与实际值基本吻合,其均方根误差(E_(RMS))为0.009 3,平均绝对百分比误差(E_(MAP))为0.336 0%,决定系数(R~2)高达0.991 2,较其他3种对比模型性能更优。研究表明,所建模型具有强泛化性能和高预测精度,能够有效预测盐穴储气库注采管柱的内腐蚀速率,为盐穴储气库注采系统的完整性评价和风险预警提供参考。 展开更多

关键词 安全工程 盐穴储气库 注采管柱 内腐蚀速率 核主成分分析法(kpca) 樽海鞘群算法(SSA) 极限学习机(ELM)

下载PDF 职称材料

基于KPCA-GA-BP模型的页岩气集输管道的内腐蚀速率预测

4

作者 周逸轩 彭星煜 +1 位作者 耿月华 王思汗 《腐蚀与防护》 CAS CSCD 北大核心 2024年第4期63-68,共6页

针对页岩气集输管道的内腐蚀,提出了一种基于KPCA-GA-BP组合模型的腐蚀速率预测算法。以某条页岩气集输管道的检测结果作为训练数据,运用反向传播(BP)神经网络建立预测模型,运用遗传算法(GA)优化了神经网络权值和阈值的初始值,运用核主... 针对页岩气集输管道的内腐蚀,提出了一种基于KPCA-GA-BP组合模型的腐蚀速率预测算法。以某条页岩气集输管道的检测结果作为训练数据,运用反向传播(BP)神经网络建立预测模型,运用遗传算法(GA)优化了神经网络权值和阈值的初始值,运用核主成分分析法(KPCA)对数据进行了降维,在模型建立的过程中不断优化提升模型的预测精度,采用所建模型对另一条相邻管道进行预测并开挖验证。结果表明:选择TRAINGDM作为训练函数,隐含层节点为(8,1),遗传算法进化数为50,种群规模为100,交叉概率为0.3,变异概率为0.2,运用KPCA将数据从7维降为4维后,此模型的均方误差最低为0.12,当该模型用于相邻管道的预测时,均方误差为0.14。运用KPCAGA-BP模型,对页岩气集输管道内腐蚀速率进行预测具有一定的准确性,此模型可用于辅助指导现场内腐蚀直接评价等相关工作。 展开更多

关键词 页岩气集输管道 内腐蚀速率 BP神经网络 遗传算法 核主成分分析法(kpca) 均方误差(MSE)

下载PDF 职称材料

基于KPCA-LSSVM的回采工作面瓦斯涌出量的预测

5

作者 陈巧军 余浩 +2 位作者 李艳昌 谭依佳 李奕 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第4期78-84,共7页

为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素具有线性重叠、高维非线性等问题,提出使用核主成分分析法(KPCA)对影响因素进行非线性降维。选取沈阳某矿30组样本数据,以前24组数据作为训练集,后6组数据作为测试集,将确定后的核主... 为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素具有线性重叠、高维非线性等问题,提出使用核主成分分析法(KPCA)对影响因素进行非线性降维。选取沈阳某矿30组样本数据,以前24组数据作为训练集,后6组数据作为测试集,将确定后的核主成分作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA-LSSVM预测模型,将预测结果与PCA-LSSVM、LSSVM、多元非线性回归、KPCA-BP神经网络、PCA-BP神经网络以及BP神经网络预测结果进行对比。以最大相对误差绝对值作为模型预测精度的评价指标。研究结果表明:当选取前4个核主成分时,即达到模型训练要求。KPCA-LSSVM模型的预测最大相对误差绝对值为5.89%,预测精度均优于其他6种对比模型。研究结果可为实现瓦斯涌出量高精度预测提供参考。 展开更多

关键词 瓦斯涌出量的预测 核主成分分析法(kpca) 最小二乘支持向量机(LSSVM) 相对误差绝对值

下载PDF 职称材料

优化量子门线路的煤与瓦斯突出预测模型 被引量：1

6

作者 付华 孟庭儒 +1 位作者 阎馨 卢万杰 《控制工程》 CSCD 北大核心 2021年第9期1731-1737,共7页

为提高煤与瓦斯突出强度的预测精度,提出了一种基于核主成分分析和联合改进灰狼算法优化量子门线路神经网络的KPCA-IGWO-QGCNN煤与瓦斯突出强度预测方法,确定煤与瓦斯突出强度的主要影响因素,采用核主成分分析降低瓦斯突出强度影响指标... 为提高煤与瓦斯突出强度的预测精度,提出了一种基于核主成分分析和联合改进灰狼算法优化量子门线路神经网络的KPCA-IGWO-QGCNN煤与瓦斯突出强度预测方法,确定煤与瓦斯突出强度的主要影响因素,采用核主成分分析降低瓦斯突出强度影响指标的维数,简化神经网络结构;量子门线路神经网络具有量子并行计算的优势,可有效提高信息处理的运算速度并扩大信息的存储容量,具有较好的收敛能力与鲁棒性;通过非线性控制参数与粒子群思想联合改进的灰狼算法提高模型全局寻优能力,优化量子门线路神经网络的网络参数。通过对比分析该模型与BP神经网络、QGCNN、GWO-QGCNN神经网络模型的预测结果,说明该模型泛化能力强,预测精度高。 展开更多

关键词 煤与瓦斯突出 强度预测 核主成分分析法(kpca) 改进灰狼优化算法 量子门线路神经网络(QGCNN)

下载PDF 职称材料

基于表面肌电和位姿信息融合的手势动作识别 被引量：1

7

作者 杨庆华 金圣权 +1 位作者 都明宇 王志恒 《高技术通讯》 CAS 2023年第12期1295-1302,共8页

针对仅通过表面肌电信号(sEMG)进行手势识别难以应对复杂手势的问题,提出一种基于表面肌电和位姿信息融合的手势识别方法。通过双阈值方法对信号活动段进行分割,提取表面肌电信号、位姿信号的特征,使用核主成分分析方法(KPCA)对提取特... 针对仅通过表面肌电信号(sEMG)进行手势识别难以应对复杂手势的问题,提出一种基于表面肌电和位姿信息融合的手势识别方法。通过双阈值方法对信号活动段进行分割,提取表面肌电信号、位姿信号的特征,使用核主成分分析方法(KPCA)对提取特征进行降维融合,使提取特征中的非线性信息得到较好保留,最后通过随机森林(RF)分类器进行分类识别。实验结果显示,该方法对10名受试者的11种不同手势的最佳平均识别率为98.23%,单个动作的识别准确率均在90%以上,验证了提出方法的可靠性。 展开更多

关键词 表面肌电信号(sEMG) 位姿信号 多模融合 核主成分分析方法(kpca) 随机森林(RF)

下载PDF 职称材料

基于KPCA-LSSVM的软测量建模方法 被引量：27

8

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 职称材料

基于KPCA和改进极限学习机的煤与瓦斯突出危险性判识 被引量：18

9

作者 李胜 胡海永 《计算机应用研究》 CSCD 北大核心 2018年第1期172-176,共5页

为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠... 为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠算法(BA)优化极限学习机(ELM)模型,并与BA-ELM、ELM、SVM和BP等模型共同进行突出危险性预测,验证模型的优越性。结果表明,基于KPCA-BA-ELM突出危险性预测模型平均绝对误差为4.560,平均相对误差为3.478%,运行时间为1.286 s,较其他模型具有精准的判识度和较高的泛化能力;能充分挖掘突出时空演变的内部隐含规律,有效诠释突出危险性与其影响因素间的非线性关系。 展开更多

关键词 煤与瓦斯突出 核主成分分析(kpca) 蝙蝠算法(BA) 极限学习机(ELM) 耦合预测

下载PDF 职称材料

基于KPCA和NSGAⅡ优化CNN参数的电动汽车充电站短期负荷预测 被引量：17

10

作者 牛东晓 马天男 +2 位作者 王海潮 刘鸿飞 黄雅莉 《电力建设》 北大核心 2017年第3期85-92,共8页

为提升电动汽车充电站短期负荷预测的效率和精度,提出了基于核主成分分析(kernel principal component analysis,KPCA)和非劣排序遗传算法II(non-dominated sorting genetic algorithm II,NSGAII)优化卷积神经网络(convolutional neural... 为提升电动汽车充电站短期负荷预测的效率和精度,提出了基于核主成分分析(kernel principal component analysis,KPCA)和非劣排序遗传算法II(non-dominated sorting genetic algorithm II,NSGAII)优化卷积神经网络(convolutional neural network,CNN)的充电站短期负荷预测方法。应用KPCA对模型输入变量进行降噪处理,简化了网络结构,加快了预测速度;通过多次负荷预测测试比较误差的方式确定卷积神经网络模型中卷积层和子采样层的最佳神经元个数,保证了预测方法的准确性;利用NSGAII对卷积神经网络的参数进行优化,提高了预测方法的运算速度和预测精度。通过算例分析以及和其他方法的对比,验证了文中方法具有较高的效率和精度。 展开更多

关键词 电动汽车充电站 短期负荷预测 核主成分分析(kpca) 非劣排序遗传算法II(NSGAII) 卷积神经网络(CNN)

原文传递

基于核主成分分析的铁谱磨粒特征提取方法研究 被引量：11

11

作者 李岳 温熙森 吕克洪 《国防科技大学学报》 EI CAS CSCD 北大核心 2007年第2期113-116,共4页

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成... 针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。 展开更多

关键词 核主成分分析(kpca) 铁谱磨粒 特征提取

下载PDF 职称材料

基于KPCA和SAM的城市植被遥感分类研究 被引量：13

12

作者 张友静 黄浩 马雪梅 《地理与地理信息科学》 CSCD 北大核心 2006年第3期35-38,共4页

研究高分辨率遥感城市绿地信息自动提取技术是城市遥感技术应用亟待解决的问题之一。城市绿地分布破碎,林种多样,林相不齐,具有极强的非线性特征。核主成分分析(KPCA)可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时... 研究高分辨率遥感城市绿地信息自动提取技术是城市遥感技术应用亟待解决的问题之一。城市绿地分布破碎,林种多样,林相不齐,具有极强的非线性特征。核主成分分析(KPCA)可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时提供一组相互独立的主成分。通过实验分析核函数的参数,比较变换前后的平均可分性,进行波段选择。将KPCA与SAM分类方法结合,构建基于KPCA的SAM城市植被分类方案。实验结果表明,该方案比传统的分类方法精度高。城市6种绿地类型的分类总精度为80.6%;合并为草地、园地与林地绿地类型时分类总精度达91.7%,可以满足城市植被分类与生态评价的需求。 展开更多

关键词 高分辨率卫星影像 核主成分分析(kpca) 光谱角度制图 城市植被分类

下载PDF 职称材料

基于曲波域与核主成分分析的人脸识别 被引量：11

13

作者 王宪 慕鑫 +4 位作者 张彦 张方生 宋书林 平雪良 刘浩 《光电工程》 CAS CSCD 北大核心 2011年第10期98-102,共5页

针对小波变换不能充分描述人脸曲线特征的缺点,本文提出一种基于曲波域与核主成分分析(KPCA)的人脸识别算法。采用多尺度、多方向的曲波(Curvelet)变换提取图像特征,不仅具有更高的逼近精度和更好的稀疏表达能力,而且其变换系数能有效... 针对小波变换不能充分描述人脸曲线特征的缺点,本文提出一种基于曲波域与核主成分分析(KPCA)的人脸识别算法。采用多尺度、多方向的曲波(Curvelet)变换提取图像特征,不仅具有更高的逼近精度和更好的稀疏表达能力,而且其变换系数能有效表示沿曲线的奇异性。进一步使用核主成分分析(KPCA)将曲波特征系数投影到更具表达力的核空间中,通过最近邻分类器进行分类。并在JAFFE人脸库中、ORL人脸库以及FERET人脸库中做了多组实验,实验结果表明该方法在图像降维和识别率方面都达到了较好的效果。 展开更多

关键词 人脸识别 曲波变换 核主成分分析(kpca) 核空间

下载PDF 职称材料

基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测 被引量：10

14

作者 张新生 张莹莹 《安全与环境学报》 CAS CSCD 北大核心 2022年第4期1804-1812,共9页

为提高埋地油气管道外腐蚀速率预测精度,建立了一种基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测模型。以沿川气东送管线所做埋片试验获取的数据为例,首先利用核主成分分析(KPCA)对管道外腐蚀影响因素进行处理,以重构的综合指标作为模... 为提高埋地油气管道外腐蚀速率预测精度,建立了一种基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测模型。以沿川气东送管线所做埋片试验获取的数据为例,首先利用核主成分分析(KPCA)对管道外腐蚀影响因素进行处理,以重构的综合指标作为模型的输入值;然后利用加权最小二乘支持向量机(WLSSVM)对外腐蚀因素和速率进行仿真建模,并利用蚁狮优化算法(ALO)对WLSSVM建模中的参数进行寻优。结果表明:KPCA提取了累计贡献率为97.84%的3个主元,减化了建模过程的复杂性;所构建的ALO-WLSSVM外腐蚀速率预测模型的平均相对误差为4.390%,均方根误差为0.276,各项指标均优于其对比模型,证明了本模型具有更好的学习性和更高的拟合效果。 展开更多

关键词 安全工程 埋地管道 外腐蚀速率 核主成分分析(kpca) 蚁狮优化算法(ALO) 加权最小二乘支持向量机(WLSSVM)

下载PDF 职称材料

混合深度CNN联合注意力的高光谱图像分类 被引量：6

15

作者 王燕 吕艳萍 《计算机科学与探索》 CSCD 北大核心 2023年第2期385-395,共11页

深度学习中的卷积神经网络(CNN)能充分利用计算机的计算能力,高效地提取遥感图像的特征,取得很好的成果,特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征,提高高光谱图像分类的精度,提出... 深度学习中的卷积神经网络(CNN)能充分利用计算机的计算能力,高效地提取遥感图像的特征,取得很好的成果,特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征,提高高光谱图像分类的精度,提出了混合深度卷积联合注意力(HDC-Attention)的模型。首先利用核主成分分析(KPCA)和小批量K均值(MBK-means)对高光谱图像进行组合降维,有效地消除数据冗余并保留主要信息量,使得降维后的数据具有最佳区分度。然后将降维后的数据输入HDC网络进行充分的光谱-空间特征提取。最后利用光谱-空间注意力,重新分配光谱-空间特征的权重,增强有用的空谱特征,抑制无用的特征。提出的模型在三个公开数据集上进行了多次实验,在有限的标记样本下,三个数据集的OA、AA、Kappa分类指标均超过99%。 展开更多

关键词 高光谱图像分类 核主成分分析(kpca) 卷积神经网络(CNN) 光谱-空间注意力机制 深度学习

下载PDF 职称材料

基于KPCA-SVM模型的电力负荷最大值短期预测方法 被引量：10

16

作者 张永伟 潘巧波 《发电技术》 2019年第6期521-526,共6页

电力负荷最大值预测是电网企业调度工作的重要组成部分,其预测结果的准确度将对电能的配送、有效利用率、供电服务的质量以及电力系统的发展产生重要影响。以安徽某市81天的电力负荷最大值数据为基础,选取影响当天电力负荷最大值的10个... 电力负荷最大值预测是电网企业调度工作的重要组成部分,其预测结果的准确度将对电能的配送、有效利用率、供电服务的质量以及电力系统的发展产生重要影响。以安徽某市81天的电力负荷最大值数据为基础,选取影响当天电力负荷最大值的10个因素,并采用核主成分分析(kernel principal component analysis,KPCA)算法将10维的影响因素降为5维,其累计贡献率可达93.70%。以降维后的5维数据为输入,以径向基函数为核函数,并采用交叉验证选择支持向量机(support vector machine,SVM)回归的最佳参数,随机选取54组数据训练SVM预测模型,最后进行27组数据的拟合预测,拟合预测的均方误差为0.0041,相关系数为0.9631。研究结果表明,应用KPCA结合的SVM预测模型对电力负荷最大值具有很好的预测能力。 展开更多

关键词 电力系统 负荷 核主成分分析(kpca) 支持向量机(SVM) 预测模型

下载PDF 职称材料

基于KPCA-ICS-SVM模型的胶粘复合材料涂层管道外腐蚀速率预测研究 被引量：9

17

作者 吴艳 《粘接》 CAS 2022年第8期25-31,共7页

针对埋地管道外腐蚀问题,研究提出了一种基于KPCA-ICS-SVM组合模型的腐蚀速率预测方法,首先对基础数据及设定进行简单介绍,在此基础上,对KPCA(核主成分分析)算法、ICS(改进布谷鸟搜索)算法以及SVM(支持向量机)算法分别进行理论介绍,提... 针对埋地管道外腐蚀问题,研究提出了一种基于KPCA-ICS-SVM组合模型的腐蚀速率预测方法,首先对基础数据及设定进行简单介绍,在此基础上,对KPCA(核主成分分析)算法、ICS(改进布谷鸟搜索)算法以及SVM(支持向量机)算法分别进行理论介绍,提出模型的组合方法,并制定模型验证的评估策略,引入实例验证的方式,对本次研究提出的组合模型进行验证,以此证明本次研究所提模型的可行性。研究表明:尽管影响管道外腐蚀问题的因素相对较多,但是土壤的电阻率、含水量、含盐量以及pH值属于影响外腐蚀的主要因素,使用KPCA-ICS-SVM模型对外腐蚀速率进行预测的过程中,其均方根误差仅为0.37%,希尔不等系数仅为0.32%,证明使用该种组合模型进行外腐蚀速率预测具有很强的准确率。本次研究证明可以使用KPCA-ICS-SVM模型对埋地管道的外腐蚀速率进行合理的预测。 展开更多

关键词 埋地管道 外腐蚀速率 核主成分分析(kpca) 改进布谷鸟搜索(ICS) 支持向量机(SVM)

下载PDF 职称材料

绝缘子污秽放电的声发射核主成分诊断法 被引量：8

18

作者 李自品 舒乃秋 +1 位作者 李红玲 汪游胤 《高电压技术》 EI CAS CSCD 北大核心 2012年第11期3008-3014,共7页

为了提高污秽绝缘子外绝缘状态的诊断准确度,利用绝缘子污秽放电时产生的声发射信号评定其外绝缘状态。通过绝缘子污秽试验,由高灵敏度声信号监测装置检测绝缘子的污秽放电声发射信号;对提取的声发射信号进行核主成分分析,将样本从低维... 为了提高污秽绝缘子外绝缘状态的诊断准确度,利用绝缘子污秽放电时产生的声发射信号评定其外绝缘状态。通过绝缘子污秽试验,由高灵敏度声信号监测装置检测绝缘子的污秽放电声发射信号;对提取的声发射信号进行核主成分分析,将样本从低维的状态空间非线性的映射到高维核空间,在核空间采用随机森林方法训练得到分类器群,根据分类器群的分类结果对每个测试样本进行投票表决决定其最终分类。分析和诊断试验结果表明,声发射信号的3个原始特征量经核主成分分析后,变换为65个核特征量,有效地提高了分类器群之间的差异性。基于核主成分分析的随机森林模型的状态诊断结果具有很高的准确性。利用污秽放电声发射信号可进行污秽放电阶段的划分,以达到监测绝缘子的外绝缘状态的目的。 展开更多

关键词 绝缘子 声发射信号 核主成分分析(kpca) 随机森林 污秽放电 诊断

下载PDF 职称材料

基于KPCA-ICS-ELM算法的埋地管线土壤腐蚀深度预测 被引量：8

19

作者 李易安 骆正山 《中国安全科学学报》 CAS CSCD 北大核心 2020年第12期100-105,共6页

为掌握油气管线土壤腐蚀情况,保障埋地管线安全运行,通过核主成分分析(KPCA)择优土壤腐蚀因素,获取管线腐蚀的高贡献因素;采用改进布谷鸟搜索算法(ICS)优化极限学习机(ELM)隐含层偏差及阈值,将具有高贡献度的指标作为模型输入,腐蚀深度... 为掌握油气管线土壤腐蚀情况,保障埋地管线安全运行,通过核主成分分析(KPCA)择优土壤腐蚀因素,获取管线腐蚀的高贡献因素;采用改进布谷鸟搜索算法(ICS)优化极限学习机(ELM)隐含层偏差及阈值,将具有高贡献度的指标作为模型输入,腐蚀深度为输出目标,构建ICSELM腐蚀深度预测模型;以陕西省某埋地输油管线实地埋片试验为例,选择8种影响因素,建立埋地输油管线土壤腐蚀指标体系,并进行模拟仿真预测及验证分析。结果表明:ICS比标准布谷鸟搜索算法(CS)提前83代收敛,具有更快的迭代速率;KPCA-ICS-ELM模型预测结果的最低相对误差、均方根误差和希尔不等系数分别低达0.209%、0.228%、0.441%;与其他模型相比,该模型准确度更高。 展开更多

关键词 核主成分分析(kpca) 改进布谷鸟搜索算法(ICS) 极限学习机(ELM) 埋地输油管线 腐蚀深度

下载PDF 职称材料

基于相关性分析和生成对抗网络的电网缺失数据填补方法 被引量：2

20

作者 蔡榕 杨雪 +2 位作者 田江 赵奇 王毅 《电力工程技术》 北大核心 2024年第1期229-237,共9页

城市电网新型电力系统中多元资源增多,数据采集难度加大,导致数据随机缺失率升高,难以满足精细化分析决策需求。为解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题,文中提出一种基于波动互相关分析(fluctuation cross-... 城市电网新型电力系统中多元资源增多,数据采集难度加大,导致数据随机缺失率升高,难以满足精细化分析决策需求。为解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题,文中提出一种基于波动互相关分析(fluctuation cross-correlation analysis,FCCA)算法和生成对抗网络(generative adversarial network,GAN)的电网缺失数据填补方法。首先,融合FCCA算法提出强相关性电网数据多维特征提取方法;其次,基于核主成分分析(kernel principal component analysis,KPCA)对多维特征数据集进行降维处理;最后,设计改进型GAN结构,融合电网数据多维特征对低维向量进行重构,实现缺失数据填补。算例采用真实电网数据进行算法验证,并在某城市电网试运行。结果表明,所提方法比传统数据填补方法具有更高填补精度。因此,在新型电力系统中量测数据连续缺失和缺失量较大的情况下,融合强相关性特征进行数据填补,对提升量测数据的完整性和可用性有明显优势。 展开更多

关键词 新型电力系统 波动互相关分析(FCCA) 多维特征 生成对抗网络(GAN) 缺失数据 核主成分分析(kpca) 智能填补

下载PDF 职称材料