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7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FIG-SVM的煤矿瓦斯浓度预测 被引量：18
1
作者 刘俊娥 杨晓帆 郭章林 《中国安全科学学报》 CAS CSCD 北大核心 2013年第2期80-84,共5页
为了提高矿井上隅角瓦斯(这里指甲烷)浓度的预测精度,得到瓦斯浓度的一个预测范围,提出一种将模糊信息粒化(FIG)和支持向量机(SVM)相结合的瓦斯浓度预测方法。首先利用模糊信息粒化对原始数据进行模糊粒化处理,并且给出一个预测范围。... 为了提高矿井上隅角瓦斯(这里指甲烷)浓度的预测精度,得到瓦斯浓度的一个预测范围,提出一种将模糊信息粒化(FIG)和支持向量机(SVM)相结合的瓦斯浓度预测方法。首先利用模糊信息粒化对原始数据进行模糊粒化处理,并且给出一个预测范围。然后将粒化后的数据作为输入,运用SVM进行回归预测,采用粒子群(PSO)算法选取最佳的核函数参数g和惩罚因子c。最后根据实测值与预测值的对比判断预测方法的可靠度。试验结果表明:每一个时间段瓦斯浓度的实测值基本都在预测范围内,说明该模型预测精度较高,有较强的实用性和较快的收敛速度。 展开更多
关键词 模糊信息粒化(fig) 支持向量机(SVM) 瓦斯(甲烷)浓度 预测 粒子群(PSO)
下载PDF
改进鲸鱼优化支持向量机的交通流量模糊粒化预测 被引量：10
2
作者 童林 官铮 《计算机应用》 CSCD 北大核心 2021年第10期2919-2927,共9页
针对支持向量机(SVM)在交通流量预测中存在波动性且预测精度低的问题,提出了采用模糊信息粒化(FIG)和改进鲸鱼优化算法(IWOA)的SVM模型来预测交通流量的变化趋势和动态区间。首先,对数据处理采用FIG方法进行处理,从而得到交通流量变化... 针对支持向量机(SVM)在交通流量预测中存在波动性且预测精度低的问题,提出了采用模糊信息粒化(FIG)和改进鲸鱼优化算法(IWOA)的SVM模型来预测交通流量的变化趋势和动态区间。首先,对数据处理采用FIG方法进行处理,从而得到交通流量变化区间的上界(Up)、下界(Low)和趋势值(R);其次,在鲸鱼优化算法(WOA)的种群初始化中采用动态对立学习来增加种群多样性,并引入了非线性收敛因子和自适应权重来增强算法的全局搜索及局部寻优能力,然后建立了IWOA模型,并分析了IWOA的复杂度;最后,以预测交通流量的均方误差(MSE)为目标函数,在IWOA迭代过程中不断优化SVM的超参数,建立了基于FIG-IWOA-SVM的交通流量区间预测模型。在国内和国外交通流量数据集上进行测试的结果表明,在国外交通流量预测上,与基于遗传算法优化的支持向量机(GASVM)、基于粒子群优化算法优化的支持向量机(PSO-SVM)和基于鲸鱼优化算法的支持向量机(WOA-SVM)相比,IWOA-SVM模型的平均绝对误差(MAE)分别降低了89.5%、81.5%和1.5%;而FIG-IWOA-SVM模型在交通流量动态区间和趋势预测上与FIG-GA-SVM、FIG-PSO-SVM和FIG-WOA-SVM等模型相比预测精度更高且预测范围更平稳。实验结果表明,在不增加算法复杂度的前提下,FIG-IWOA-SVM模型能够合理地预测交通流量的变化趋势和变化区间,为后续的交通规划和流量控制提供依据。 展开更多
关键词 模糊信息粒化 鲸鱼优化算法 支持向量机 交通流量 区间预测
下载PDF
基于SPA-FIG与优化ELM的滚动轴承性能退化趋势预测 被引量：7
3
作者 陈强强 戴邵武 +2 位作者 戴洪德 朱敏 孙玉玉 《振动与冲击》 EI CSCD 北大核心 2020年第19期187-194,共8页
为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于分解-模糊粒化与优化极限学习机(Extreme Learning Machine,ELM)的轴承性能退化趋势模糊粒化预测。首先利用平滑先验分析提取轴承性能退化指标序列... 为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于分解-模糊粒化与优化极限学习机(Extreme Learning Machine,ELM)的轴承性能退化趋势模糊粒化预测。首先利用平滑先验分析提取轴承性能退化指标序列的趋势项及波动项,再利用信息粒化方法对波动项进行模糊信息粒化;然后将趋势项及粒化后的波动项数据输入至ELM进行回归预测,并采用粒子群算法优化ELM参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪轴承性能退化指标的变化趋势,并对其指标的波动范围进行有效预测。 展开更多
关键词 滚动轴承 趋势预测 模糊信息粒化 极限学习机 平滑先验分析
下载PDF
基于信息粒化和支持向量机的母线等效负荷波动预测方法 被引量：5
4
作者 马瑞 龚人杰 杨海晶 《电力系统及其自动化学报》 CSCD 北大核心 2019年第4期25-31,共7页
随着接入母线多源功率的不断增加,使电网更加合理安排调度计划有了较大的难度。首先,提出了构建一种母线等效负荷模型,将接入母线的不可调发电功率等效为负的负荷功率,使不可调发电功率和母线负荷功率等效为母线的等效负荷功率。然后,... 随着接入母线多源功率的不断增加,使电网更加合理安排调度计划有了较大的难度。首先,提出了构建一种母线等效负荷模型,将接入母线的不可调发电功率等效为负的负荷功率,使不可调发电功率和母线负荷功率等效为母线的等效负荷功率。然后,获取等效负荷的历史数据,作为母线等效负荷预测模型的输入。最后,基于模糊信息粒化和支持向量机进行母线等效负荷波动预测。实例验证表明,等效负荷预测值相比单独预测不可调多源功率及母线负荷之后的等效值,精确度有所提高。同时预测结果可以更加清楚地了解各母线不可调等效负荷的波动范围,有利于地调系统更好地计划可调小容量发电的出力,并为省调更合理地安排新能源消纳及全网可调发电计划提供预测基础。 展开更多
关键词 母线 等效负荷 模糊信息粒化 支持向量机 波动预测
下载PDF
基于模糊信息粒化的矿业安全生产态势区间预测 被引量：1
5
作者 吴孟龙 叶义成 +3 位作者 胡南燕 王其虎 李文 江慧敏 《中国安全科学学报》 CAS CSCD 北大核心 2021年第9期119-127,共9页
为提高矿业安全生产态势的预测精度,针对单一预测模型对非平稳非线性时间序列预测精度低、模型选择困难等问题,提出一种基于模糊信息粒化(FIG)的矿业安全生产态势区间预测模型。首先,将矿业安全生产态势时间序列映射为L、R、U等3个粒化... 为提高矿业安全生产态势的预测精度,针对单一预测模型对非平稳非线性时间序列预测精度低、模型选择困难等问题,提出一种基于模糊信息粒化(FIG)的矿业安全生产态势区间预测模型。首先,将矿业安全生产态势时间序列映射为L、R、U等3个粒化参数序列;然后,采用差分自回归滑动平均(ARIMA)模型预测模糊粒子序列中的线性部分,得到非线性残差序列;最后,将非线性的残差序列作为输入变量建立支持向量机(SVM)模型,将ARIMA模型的预测结果与SVM模型的残差序列预测值叠加,得到矿业安全生产态势时间序列的区间预测值。结果表明:用21组测试集样本验证基于FIG的区间预测模型的精度,得到L、R、U参数值的平均相对误差分别为10.834 57%、20.207 90%、0.651 97%;基于FIG的矿业安全生产态势区间预测模型拟合效果优于ARIMA和SVM,精确度较高且区间范围较为合理。 展开更多
关键词 差分自回归滑动平均(ARIMA) 模糊信息粒化(fig) 支持向量机(SVM) 矿业安全生产态势 区间预测
下载PDF
基于奇异谱分析-模糊信息粒化和极限学习机的风速多步区间预测 被引量：18
6
作者 殷豪 曾云 +1 位作者 孟安波 杨跞 《电网技术》 EI CSCD 北大核心 2018年第5期1467-1474,共8页
不同于风速点预测,风速区间预测能描述风速的随机性。因此,提出一种基于奇异谱分析-模糊信息粒化和极限学习机组成的风速多步区间预测模型。该方法采用奇异谱分析提取原始数据的趋势成分、振荡成分和噪声成分,并对所有分量进行重构,然... 不同于风速点预测,风速区间预测能描述风速的随机性。因此,提出一种基于奇异谱分析-模糊信息粒化和极限学习机组成的风速多步区间预测模型。该方法采用奇异谱分析提取原始数据的趋势成分、振荡成分和噪声成分,并对所有分量进行重构,然后利用模糊信息粒化对重构后的噪声成分进行有效挖掘,提取每个窗口最小值、平均值和最大值。对各分量采用极限学习机分别建立预测模型,为了提高预测精度、缩小区间范围,采用改进布谷鸟算法对预测模型的参数进行优化。最后将所有分量的预测结果进行叠加,实现风速区间预测。以风电场实际数据为算例,结果表明所提方法具有较高的预测精度和可靠的多步区间预测,且运行效率高,能有效跟踪风速变化。 展开更多
关键词 多步区间预测 风速点预测 奇异谱分析-模糊信息粒化 极限学习机 改进布谷鸟算法
下载PDF
基于EWT-FIG和ORELM模型的风速多步区间预测 被引量：1
7
作者 曾云 殷豪 刘哲 《宁夏电力》 2018年第4期6-13,共8页
针对风速预测具有较强的不确定性,提出了一种经验小波变换—模糊信息粒化和变异鲁棒极限学习机组成的短期风速区间预测模型。该模型采用经验小波变换将原始风速分解为若干个模态分量和一个剩余量,并对所有分量进行重构,为了缩小预测区... 针对风速预测具有较强的不确定性,提出了一种经验小波变换—模糊信息粒化和变异鲁棒极限学习机组成的短期风速区间预测模型。该模型采用经验小波变换将原始风速分解为若干个模态分量和一个剩余量,并对所有分量进行重构,为了缩小预测区间范围,仅对重构后的剩余量进行模糊粒化,根据需求提取每个窗口的最大值、平均值和最小值,然后对极限学习机进行优化,最后对所有分量建立离群鲁棒极限学习机预测模型,叠加预测值实现风速多步区间预测。实际算例表明:所提多步区间预测方法能有效跟踪风速变化,具有较高的预测精度和可靠的区间预测效果。 展开更多
关键词 经验小波变换-模糊信息粒化 极限学习机 离群鲁棒极限学习机 风速预测 多步区间预坝4
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