缺资料地区降水系列的插补及验证

针对部分地区降水资料缺乏的问题,以德清县为研究对象,提出了日尺度降水资料的插补方法,该方法通过对已有降水数据进行时间尺度转换和空间插值的方式插补出缺资料地区日降水数据.结果表明:①德清站插补结果中日降水强度、强降水量及连续有雨天数的误差均小于3％,与直接用周边站点的逐日数据对数据缺失站进行插值相比,各站月降水数据与实测...     

改进人工蜂群优化的极限学习机

针对极限学习机(ELM)在训练过程中需要大量隐含层节点的问题,提出了差分进化与克隆算法改进人工蜂群优化的极限学习机(DECABC-ELM),在人工蜂群算法的基础上,引入了差分进化算法的差分变异算子和免疫克隆算法的克隆扩增算子,改进了人工蜂群收敛速度慢等缺点,使用改进的人工蜂群算法计算ELM的隐含层节点参数.将算法应用于回归和分类数据集,并与其他算法进行比较,获得了良好的效果.     

基于ELM算法的光纤振动信号识别研究

光纤振动信号的信息提取与识别方法逐渐成为研究热点。对挖掘机挖掘、人工挖掘、汽车行走、人员行走和噪声这五种光纤振动信号的短时过零率和能量特征进行可视化分析,提出一种实验样本的选取方法;采用二分类任务决策树模型和ELM算法,根据事件的重要程度分四个阶段完成事件的识别。探讨ELM算法中各参数对实验结果的影响。通过实验证明,该方法提高了事件的正确识别率,大大缩短了模型训练时间。     

1951~2013年华北地区极端降水事件的变化

利用华北地区90个气象站点1951~2013年逐日降水量资料,计算了8个极端降水指数,采用滑动平均、线性回归、Mann\|Kendall非参数检验和Morlet小波分析等方法,分析了华北地区极端降水事件的变化规律。结果表明:华北地区近63 a连续干旱日数(CDD)呈明显的增加趋势,连续5 d降雨量、连续湿日、年总降雨量趋于减少并通过0.05显著性检验,其他4个极端降水指数都表现为减少趋势且不显著。各极端降水指数与年总降水量(PRCPTOT)有很好的相关性,除连续干旱日数与之呈负的弱相关性以外,其他指数均呈较强的正相关性。在近63 a的时间尺度上各项极端降水指数都存在2～4 a显著周期,多数指数也存在8 a、16 a和32 a的周期。在时间转折上,连续湿日(CWD)的突变点时间较早,发生于1964年。从空间分布来看,京津冀地区及山西大部是极端降水指数变化最为显著的区域,连续干旱日数增加,其他指数均呈现减小趋势。
     

全变分极端通道先验的盲图像去噪去模糊

图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。     

基于博弈论准确性和差异性兼优的选择性集成建模方法及其应用

集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性.     

极端热环境热应力研究指标及评价

极端热环境是某些特殊条件下人所处的恶劣环境,对极端热环境的研究和评价涉及到劳动安全和工作的可靠性。热应力是人体所承受极端热环境的一种程度上的描述。对湿球黑球温度,Sreq指数和ISO9886标准的生理指标等五种极端热环境指标的使用方法和特点进行了分析与评价,对这些指标使用的局限性进行了讨论。认为对极端热环境的研究,应联合使用不同指标后进行综合评价,并重点考虑人体生理反应的变化,使研究工作具有更加普遍的意义和实用性。为此,提出了对极端热环境评价体系研究工作的建议和今后的工作方向。     

极限学习机延拓的BS-EMD端点效应抑制算法及应用

针对希尔伯特-黄变换过程中经验模态分解出现的端点效应问题,采用极限学习机（Extreme Learning Machine,ELM）算法对原始数据序列分别向左右两端延拓,对扩展后的数据序列用B样条插值函数求其平均曲线,在此基础上进行下一步分解,结束分解后摒弃两端延展的数据,使算法得到优化,起到了抑制端点效应的作用。通过与未经延拓,BP神经网络延拓和支持向量机延拓各项指标的对比分析表明,该算法不仅有效抑制了经验模态分解过程中的端点效应,在预测速度和分解精度上都有一定的优势。将该方法应用于电力系统的谐波分析中,仿真结果表明该方法能有效抑制EMD的端点效应,更好地分解出谐波中含有的不同频率谐波分量。     

基于改进LMD方法的风电机组齿轮箱故障诊断研究

局部均值函数的求取是局部均值分解(LMD)的关键环节.针对局部均值函数求取存在偏差进而造成模态混叠的问题,提出了一种基于局部积分均值的LMD风电机组齿轮箱故障诊断方法.该方法改变了对相邻两极值点求平均值的思路,采用求取相邻两极值点的局部积分均值,再通过滑动平均法进行平滑处理,最终得到局部均值函数.为实现风电机组齿轮箱故...     

基于极端学习机的光伏发电功率短期预测

为了进一步提高光伏发电功率的预测准确度,首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域.通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率.该方法在不同时间段中利用相似日评价函数选取历史相似日,结合预测日的天气因素,采用极端学习机对预测日对应时段的发电功率进行预测.通过对预测效果进行比较和分析,结果表明该方法比传统的神经网络预测算法有更好的预测效果.