期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于经验模式分解与人工神经网络的短期电力负荷预测
被引量:
16
1
作者
郑连清
郑艳秋
《电力系统保护与控制》
EI
CSCD
北大核心
2009年第23期66-69,74,共5页
为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷,提高预测精度,提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法。该法利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式...
为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷,提高预测精度,提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法。该法利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式分量(IMF),对各分量分别进行分析,可准确把握负荷变化特性和环境因素影响。对这些分量采用相匹配ANN模型进行预测,综合得到负荷序列的最终预测结果。仿真试验表明,与传统BP神经网络预测方法相比该方法具有较高的精度和较强的适应能力。
展开更多
关键词
短期电力负荷
经验
模式
分解
内在模式分量
人工神经网络
下载PDF
职称材料
基于经验模式分解的齿轮箱振动辨识(英文)
被引量:
2
2
作者
陈忠
郑时雄
孙延明
《华南理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2002年第9期61-64,共4页
论述了一种新的针对非线性非平稳信号的经验模式分解 (EMD)方法 ,使用EMD方法对齿轮箱振动信号进行了辨识 ,并且与离散小波分解方法进行了对比 .结果表明 ,通过EMD分解获得的齿轮箱振动内在模式分量 (IMFs)能很好地辨识出齿轮的啮合振...
论述了一种新的针对非线性非平稳信号的经验模式分解 (EMD)方法 ,使用EMD方法对齿轮箱振动信号进行了辨识 ,并且与离散小波分解方法进行了对比 .结果表明 ,通过EMD分解获得的齿轮箱振动内在模式分量 (IMFs)能很好地辨识出齿轮的啮合振动模式 ,且比离散小波方法的分解效率更高 ;EMD分解的第 3个IMF_IMF3清晰地表示出齿轮箱的第一级齿轮的 2
展开更多
关键词
振动辨识
经验
模式
分解
离散小波变换
齿轮箱
啮合振动
模式
振动
内在模式分量
下载PDF
职称材料
EMD-GM(1,1)模型及在大坝变形预测中的应用
被引量:
11
3
作者
蔡小辉
张瀚
崔冬冬
《人民长江》
北大核心
2011年第10期91-94,104,共5页
大坝水平位移影响因素复杂,形成的数据序列一般不具有单调性,但灰色GM(1,1)模型只有在数据序列具有单调性时才能得到比较好的结果。针对这种情况,详细讨论了EMD-GM(1,1)模型的基本内容及建模过程。EMD-GM(1,1)模型利用EMD的自适应性,自...
大坝水平位移影响因素复杂,形成的数据序列一般不具有单调性,但灰色GM(1,1)模型只有在数据序列具有单调性时才能得到比较好的结果。针对这种情况,详细讨论了EMD-GM(1,1)模型的基本内容及建模过程。EMD-GM(1,1)模型利用EMD的自适应性,自动地从目标序列提取出若干个独立的内在模式分量(IMF),剩余余项则具有单调性,然后采用GM(1,1)模型对余项进行拟合,并使用适宜的方法对各IMF分量进行拟合,最后通过加权平均求出最终值。仿真试验表明,EMD-GM(1,1)模型由于考虑了白噪声对模型的影响,提高了灰区间的白色度,预测效果比传统的GM(1,1)模型效果好。因此,在大坝变形的预测预报中EMD-GM(1,1)模型比GM(1,1)模型具有更高的应用价值。
展开更多
关键词
GM(1
1)模型
经验模态分解
EMD-GM(1
1)模型
内在模式分量
余项
大坝安全监测
下载PDF
职称材料
题名
基于经验模式分解与人工神经网络的短期电力负荷预测
被引量:
16
1
作者
郑连清
郑艳秋
机构
重庆大学输配电装备及系统安全与新技术国家重点实验室
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2009年第23期66-69,74,共5页
基金
国家自然科学基金(50777066)~~
文摘
为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷,提高预测精度,提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法。该法利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式分量(IMF),对各分量分别进行分析,可准确把握负荷变化特性和环境因素影响。对这些分量采用相匹配ANN模型进行预测,综合得到负荷序列的最终预测结果。仿真试验表明,与传统BP神经网络预测方法相比该方法具有较高的精度和较强的适应能力。
关键词
短期电力负荷
经验
模式
分解
内在模式分量
人工神经网络
Keywords
short-term power load
empirical mode decomposition
intrinsic mode functions
artificial neural network
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于经验模式分解的齿轮箱振动辨识(英文)
被引量:
2
2
作者
陈忠
郑时雄
孙延明
机构
华南理工大学机械工程学院
出处
《华南理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2002年第9期61-64,共4页
基金
广东省科技创新百项工程资助项目 (99B0 190 1G)~~
文摘
论述了一种新的针对非线性非平稳信号的经验模式分解 (EMD)方法 ,使用EMD方法对齿轮箱振动信号进行了辨识 ,并且与离散小波分解方法进行了对比 .结果表明 ,通过EMD分解获得的齿轮箱振动内在模式分量 (IMFs)能很好地辨识出齿轮的啮合振动模式 ,且比离散小波方法的分解效率更高 ;EMD分解的第 3个IMF_IMF3清晰地表示出齿轮箱的第一级齿轮的 2
关键词
振动辨识
经验
模式
分解
离散小波变换
齿轮箱
啮合振动
模式
振动
内在模式分量
Keywords
empirical mode decomposition
discrete wavelet transform
gearbox
vibration mode
分类号
TN911.7 [电子电信—通信与信息系统]
TH132.4 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
EMD-GM(1,1)模型及在大坝变形预测中的应用
被引量:
11
3
作者
蔡小辉
张瀚
崔冬冬
机构
深圳市水务规划设计院
四川大学水利水电学院
出处
《人民长江》
北大核心
2011年第10期91-94,104,共5页
文摘
大坝水平位移影响因素复杂,形成的数据序列一般不具有单调性,但灰色GM(1,1)模型只有在数据序列具有单调性时才能得到比较好的结果。针对这种情况,详细讨论了EMD-GM(1,1)模型的基本内容及建模过程。EMD-GM(1,1)模型利用EMD的自适应性,自动地从目标序列提取出若干个独立的内在模式分量(IMF),剩余余项则具有单调性,然后采用GM(1,1)模型对余项进行拟合,并使用适宜的方法对各IMF分量进行拟合,最后通过加权平均求出最终值。仿真试验表明,EMD-GM(1,1)模型由于考虑了白噪声对模型的影响,提高了灰区间的白色度,预测效果比传统的GM(1,1)模型效果好。因此,在大坝变形的预测预报中EMD-GM(1,1)模型比GM(1,1)模型具有更高的应用价值。
关键词
GM(1
1)模型
经验模态分解
EMD-GM(1
1)模型
内在模式分量
余项
大坝安全监测
Keywords
GM(1
1) model
empirical mode decomposition
EMD-GM(1
1) model
intrinsic mode functions
remainders
dam safety monitoring
分类号
TV698.1 [水利工程—水利水电工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于经验模式分解与人工神经网络的短期电力负荷预测
郑连清
郑艳秋
《电力系统保护与控制》
EI
CSCD
北大核心
2009
16
下载PDF
职称材料
2
基于经验模式分解的齿轮箱振动辨识(英文)
陈忠
郑时雄
孙延明
《华南理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2002
2
下载PDF
职称材料
3
EMD-GM(1,1)模型及在大坝变形预测中的应用
蔡小辉
张瀚
崔冬冬
《人民长江》
北大核心
2011
11
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部