基于TSA-SVM的老人跌倒识别算法

针对老人跌倒检测易受环境影响以及检测不够精确易出现误判的问题,提出了一种基于人体动作传感器的老人跌倒识别检测算法,采用被囊群算法(TSA)优化支持向量机(SVM)模型进行跌倒识别.针对人体动作传感器采集的数据,首先进行特征提取、降维等预处理,然后将预处理后的数据输入SVM模型进行训练,同时利用TSA算法寻找SVM最优参数,得到最优的跌倒识别模型,利用该模型即可进行跌倒识别.实验结果表明,本文所提算法的跌倒识别检测正确率可达96%以上,具有一定的优越性.

分段自相关频率估计算法研究

针对两步自相关频率估计算法(TSA算法)的估计性能和计算量不能兼顾的缺点,提出了基于正弦信号LP性质的分段自相关频率估计新算法。该算法首先将观测信号二等分,得到与源信号频率相同、相位不同且噪声互不相关的观测信号,然后利用正弦信号的LP性质,结合自相关函数建立参数估计方程,得到高精度频率估计算法,最后通过多次蒙特卡洛仿真对算法的有效性进行了验证。仿真结果表明,分段自相关算法整体优于TSA算法,有较强的实用性。

成本约束下的云计算能耗资源调度优化算法

针对云计算能耗严重的问题,对云数据中心资源使用率、网络工作负载以及实时功率进行了深入研究,提出了在成本约束下的能耗资源调度优化算法,并提出根据世界时区性考虑电价成本,利用负载平衡的方法进行任务的调度执行。在此基础上设计了任务分层算法(TSA),通过增加任务执行的并行度与相关性,降低了数据中心节点的空闲概率,减少了数据中心间的传输能耗。当不满足约束成本时,根据此算法依次进行任务的迭代演算。模拟实验表明,基于成本约束的能耗优化算法能够在能耗优化的同时显著地节约服务的成本。

基于嵌入分数维的树种算法的结构质量刚度识别

采用改进的树种算法对结构进行质量和刚度的识别。基于加速度响应参数建立起目标函数,再利用融入分数维机制的树种算法(TSA)对于结构损伤进行反演。树种算法是一种新型的元启发式算法,具有结构简单,便于执行的特点。为了进一步改善算法的优化能力,引入一个全新的搜索阶段‘树的搜索’,在该阶段中引入分数维模型来改进算法后期的收敛能力,进入树种阶段,通过两种新的搜索模式来平衡此阶段的局部搜索和全局搜索能力。采用桁架结构作为数值算例进而得到识别结果。最终表明,在仅知道有限的时域参数,该算法能够有效地识别损伤参数,优于其他进化算法并且对测量噪声不敏感。

基于TSA-DRNN模型的年径流预测研究

为了解决深度递归神经网络(DRNN)权值和阈值难以选取的问题,有效提高DRNN径流预测精度,提出了被囊群算法(TSA)与DRNN相融合的预测方法。选取4个标准测试函数对TSA进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较;通过主成分分析(PCA)对数据样本进行降维并构建DRNN_(2)(双隐层DRNN)、DRNN_(3)(三隐层DRNN)、DRNN_(4)(四隐层DRNN)模型,利用TSA优化DRNN权值和阈值,建立了TSA-DRNN_(2)、TSA-DRNN_(3)、TSA-DRNN_(4)径流预测模型,并构建TSA-Elman、Elman、DRNN_(2)、DRNN_(3)、DRNN_(4)、TSA-SVM模型作对比;利用云南省姑老河站年径流预测实例对TSA-DRNN_(2)、TSA-DRNN_(3)、TSADRNN_(4)、TSA-Elman、Elman、DRNN_(2)、DRNN_(3)、DRNN_(4)、TSA-SVM模型进行检验。结果表明:在不同维度条件下,TSA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力;TSA-DRNN_(2)、TSA-DRNN_(3)、TSADRNN_(4)模型对实例年径流预测的平均相对误差分别为3.63%、2.81%、2.50%,预测精度优于TSA-Elman等其他6种模型,且随着隐含层数的增加,预测精度呈提高趋势。TSA-DRNN模型用于径流预测是可行的,模型及DRNN权、阈值优化方法可为相关预测研究提供参考。

基于TSA-BP模型的温州站台风风暴潮增水预测

台风风暴潮灾害通常会对沿海地区造成巨大损失,因此,准确预测台风风暴潮增水对沿海地区的防灾、减灾工作具有现实意义。本文根据现有风暴潮增水预测研究的成果,建立了基于被囊群算法(tunicate swarm algorithm)优化的BP神经网络模型,将该模型应用于台风风暴潮增水预测研究中。本文选取影响温州验潮站的3个台风作为研究对象,收集并建立了3个台风影响验潮站过程的129个逐时数据样本。利用新模型对温州站进行风暴潮增水预测,结果表明,该模型与BP神经网络相比克服了陷入局部最优解的缺陷,与粒子群优化的BP神经网络模型相比,提升了模型收敛速度,具有更好的预测精度及稳定性。