期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于BN分解和ALO优化LSSVM模型的风电出力预测 被引量：6
1
作者 郭森 《智慧电力》 2017年第7期92-99,共8页
准确的风电出力预测对电力系统的安全稳定运行和减少系统运行成本至关重要。将BN分解法、蚁蛳优化算法(ALO)和最小二乘支持向量机模型(LSSVM)相结合,提出了一种短期风电出力预测BN-ALO-LSSVM混合模型。该模型首先将风电出力原始时间序... 准确的风电出力预测对电力系统的安全稳定运行和减少系统运行成本至关重要。将BN分解法、蚁蛳优化算法(ALO)和最小二乘支持向量机模型(LSSVM)相结合,提出了一种短期风电出力预测BN-ALO-LSSVM混合模型。该模型首先将风电出力原始时间序列分解为各子序列,进而运用LSSVM模型对各子序列分别进行预测;与此同时,为提升预测精度,运用ALO群体智能优化算法确定LSSVM模型的最优参数。实例结果表明:与LSSVM,BN-LSSVM和ALO-LSSVM模型相比,本文提出的风电出力预测BN-ALO-LSSVM混合模型的预测精度最高,且是有效可行的。 展开更多
关键词 风电出力预测 BN分解法 LSSVM模型 alo算法 混合预测模型
下载PDF
基于ALO-BP神经网络的SRAM读时序预测
2
作者 柴永剑 张立军 +2 位作者 严雨灵 谢东东 马利军 《电子设计工程》 2024年第8期82-86,91,共6页
针对芯片设计中的后仿流程采用的时序分析用时过长,且传统回归模型预测出的时序值精确度较低等问题,提出一种基于蚁狮优化(Ant Lion Optimizer,ALO)算法的反向传播(Back Propagation,BP)神经网络的读时序预测方法。对14 nm SRAM芯片进... 针对芯片设计中的后仿流程采用的时序分析用时过长,且传统回归模型预测出的时序值精确度较低等问题,提出一种基于蚁狮优化(Ant Lion Optimizer,ALO)算法的反向传播(Back Propagation,BP)神经网络的读时序预测方法。对14 nm SRAM芯片进行表征,生成对应的liberty文件,提取其中的典型特征和时序参数并进行量化和归一化处理,形成相应的训练测试集。利用BP神经网络的自适应学习能力对数据集进行仿真训练,确定最优隐含层数;针对训练过程中对网络初始值非常依赖这一问题,采用蚁狮优化算法寻找均方误差最小时的网络初始权值,同时对比多种预测方法,对仿真方法和结果进行分析。实验结果表明,该模型收敛速度快、预测精度高,能对读时序进行有效预测。 展开更多
关键词 SRAM BP神经网络 alo算法 读时序
下载PDF
改进ALO算法在风电并网稳定性优化中的应用研究 被引量：3
3
作者 金青峰 《黑龙江工业学院学报（综合版）》 2022年第6期59-64,共6页
现有风电并网技术中,仍存在电压偏差与频率波动等问题,为实现风电并网条件下配电网的稳定性与安全性,采用混沌思想对ALO算法进行改进,并将其应用至风电并网的配电网系统中。研究结果显示,改进ALO算法能够有效降低电压的偏移量与有功网损... 现有风电并网技术中,仍存在电压偏差与频率波动等问题,为实现风电并网条件下配电网的稳定性与安全性,采用混沌思想对ALO算法进行改进,并将其应用至风电并网的配电网系统中。研究结果显示,改进ALO算法能够有效降低电压的偏移量与有功网损,保证电能质量与配电网的输变电安全;相较于PSO算法与ALO算法而言,改进ALO算法具有更强的收敛性与鲁棒性,可在风电并网稳定性的优化中发挥出良好的应用效果,促进风电并网技术的提升与发展。 展开更多
关键词 alo算法 风电并网 稳定性 优化
下载PDF
ALO优化下1DCNN-BiLSTM-Attention锂电池SOH预测 被引量：2
4
作者 李东洋 吕明泽 +2 位作者 郭艳蓉 郭嘉欣 刘晓彤 《电工技术》 2023年第4期33-40,共8页
锂电池因具有质量轻、寿命长、功率承受力高、自放电率低等优点,在绿色能源汽车制造、航空航天等领域得到了广泛应用。为了进一步提高锂电池健康状态(SOH)的预测精度,提出了一种基于一维卷积神经网络(1DCNN)和双向长短时记忆网络(BiLSTM... 锂电池因具有质量轻、寿命长、功率承受力高、自放电率低等优点,在绿色能源汽车制造、航空航天等领域得到了广泛应用。为了进一步提高锂电池健康状态(SOH)的预测精度,提出了一种基于一维卷积神经网络(1DCNN)和双向长短时记忆网络(BiLSTM)的锂电池SOH预测方法。1DCNN用于提取老化特征,BiLSTM用于特征分析。利用1DCNN参数少、抑制过拟合性能高的优点,并结合BiLSTM能充分考虑样本之间的关联性及有效结合数据过去和未来的状态等优势,模型能够在实现高预测精度的基础上兼具高计算速度。通过引入蚁狮优化算法(ALO)对模型的超参数进行优化,在减少耗时的基础上有效避免了人工调参的不确定性。同时引入注意力机制,通过对输入数据赋予不同权重,提高神经网络对重要信息的捕捉能力。以NASA锂电池数据集的电池参数为依据进行验证,结果表明该模型在B0005、B0006、B00073种锂电池单体上估计SOH的MAE均值为0.0064,相对于1DCNN-LSTM(0.0111)、CNN-LSTM&GRU(0.0197)模型分别降低了42.34%、67.51%,且在各方面评价指标上均优于其消融模型。 展开更多
关键词 锂电池健康度 神经网络 alo算法 超参数优化 注意力机制
下载PDF
一种基于ALO优化和图像梯度的瞳孔中心定位算法 被引量：1
5
作者 王晶仪 王艳霞 +1 位作者 朱原雨润 张领 《电脑知识与技术》 2022年第17期86-88,共3页
眼动追踪的应用很广泛,而瞳中心孔定位是眼动跟踪中的一项基本任务。基于图像梯度的瞳孔中心定位算法比较精确,但是难以在精度和速度之间取得平衡,因此使用ALO优化算法对其改进,在保证精度的同时,大幅提升其算法速度。经过实验证明,改... 眼动追踪的应用很广泛,而瞳中心孔定位是眼动跟踪中的一项基本任务。基于图像梯度的瞳孔中心定位算法比较精确,但是难以在精度和速度之间取得平衡,因此使用ALO优化算法对其改进,在保证精度的同时,大幅提升其算法速度。经过实验证明,改进之后的算法,对于一张32×24大小的图片,其瞳孔中心定位速度由4秒提升到1秒以内,中心点平均误差在1.2个像素差左右。 展开更多
关键词 alo算法 图像梯度 瞳孔定位 眼动追踪 眼球中心
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部