期刊文献+
共找到20篇文章
< 1 >
每页显示 20 50 100
Development and evaluation of temperature-based deep learning models to estimate reference evapotranspiration
1
作者 Amninder Singh Amir Haghverdi 《Artificial Intelligence in Agriculture》 2023年第3期61-75,共15页
Efficient irrigation management of urban landscapes is critical in arid/semi-arid environments and depends on the reliable estimation of reference evapotranspiration(ETo).However,the available measured climatic data i... Efficient irrigation management of urban landscapes is critical in arid/semi-arid environments and depends on the reliable estimation of reference evapotranspiration(ETo).However,the available measured climatic data in urban areas are typically insufficient to use the standard Penman-Monteith for ETo estimation.Therefore,smart landscape irrigation controllers often use temperature-based ETo models for autonomous irrigation scheduling.This study focuses on developing deep learning temperature-based ETo models and comparing their performance with widely used empirical temperature-based models,including FAO Blaney&Criddle(BC),and Hargreaves&Samani(HS).We also developed a simple free and easy-to-access tool called DeepET for ETo estimation using the best-performing deep learning models developed in this study.Four artificial neural network(ANN)models were developed using raw weather data as inputs and the reconstructed signal obtained from the wavelet transform as inputs.In addition,long short-term memory(LSTM)recurrent neural network(NN)and one-dimensional convolution neural network(CNN)models were developed.A total of 101 active California Irrigation Management Information System(CIMIS)weather stations were selected for this study,with>725,000 data points expanding from 1985 to 2019.The performance of the models was evaluated against the standard CIMIS ETo.When evaluated at the independent sites,the temperature-based DL(Deep Learning)models showed 15–20%lower mean absolute error values than the calibrated HS model.No improvement in the performance of the ANN models was observed using reconstructed signals obtained from the wavelet transform.Our study suggests that DL models offer a promising alternative for more accurate estimations of ETo in urban areas using only temperature as input.The DeepET can be accessed from the Haghverdi Water Management Group website:http://www.ucrwater.com/software-and-tools.html. 展开更多
关键词 CIMIS deep learning IRRIGATION machine learning wavelet transform
原文传递
An Ensemble of Convolutional Neural Networks Using Wavelets for Image Classification 被引量:3
2
作者 Travis Williams Robert Li 《Journal of Software Engineering and Applications》 2018年第2期69-88,共20页
Machine learning is an integral technology many people utilize in all areas of human life. It is pervasive in modern living worldwide, and has multiple usages. One application is image classification, embraced across ... Machine learning is an integral technology many people utilize in all areas of human life. It is pervasive in modern living worldwide, and has multiple usages. One application is image classification, embraced across many spheres of influence such as business, finance, medicine, etc. to enhance produces, causes, efficiency, etc. This need for more accurate, detail-oriented classification increases the need for modifications, adaptations, and innovations to Deep Learning Algorithms. This article used Convolutional Neural Networks (CNN) to classify scenes in the CIFAR-10 database, and detect emotions in the KDEF database. The proposed method converted the data to the wavelet domain to attain greater accuracy and comparable efficiency to the spatial domain processing. By dividing image data into subbands, important feature learning occurred over differing low to high frequencies. The combination of the learned low and high frequency features, and processing the fused feature mapping resulted in an advance in the detection accuracy. Comparing the proposed methods to spatial domain CNN and Stacked Denoising Autoencoder (SDA), experimental findings revealed a substantial increase in accuracy. 展开更多
关键词 CNN SDA NEURAL Network deep learning wavelet Classification Fusion machine learning Object Recognition
下载PDF
深度在线小波极限学习在旋转机械故障诊断中的应用 被引量:1
3
作者 王椿晶 王海瑞 《机械科学与技术》 CSCD 北大核心 2023年第7期1029-1034,共6页
由于旋转机械故障诊断模型训练时间长,容易过拟合以及传统的极限学习机只能处理批量数据,实效性差等问题。提出一种基于深度在线小波极限学习机的旋转机械故障诊断方法。将自编码器的思想引入小波极限学习机中,堆叠形成WELM-AE,将底层... 由于旋转机械故障诊断模型训练时间长,容易过拟合以及传统的极限学习机只能处理批量数据,实效性差等问题。提出一种基于深度在线小波极限学习机的旋转机械故障诊断方法。将自编码器的思想引入小波极限学习机中,堆叠形成WELM-AE,将底层的故障特征向更加抽象的高级特征转换。再采用在线极限学习机作为顶层分类器进行故障识别。实验结果验证:该算法在旋转机械故障诊断上的可行性,继承了极限学习机训练速度快的特点,相较于BP、SVM、SAE、CNN有更高的准确率。 展开更多
关键词 旋转机械 故障诊断 深度小波极限学习机自编码器 在线极限学习机
下载PDF
一种高鲁棒性经编机上断纱在线检测算法
4
作者 杨宏脉 张效栋 +2 位作者 闫宁 朱琳琳 李娜娜 《纺织学报》 EI CAS CSCD 北大核心 2023年第5期139-146,共8页
为检测经编机编织过程中产生的断纱问题,提出了以图像维度转换为基础的复合检测算法。首先通过不同时刻拍摄的多张图像生成一张包含时域信息的特征增强图像,以减少环境噪声带来的影响,并极大程度保持了断纱位置时域与频域的特征;然后使... 为检测经编机编织过程中产生的断纱问题,提出了以图像维度转换为基础的复合检测算法。首先通过不同时刻拍摄的多张图像生成一张包含时域信息的特征增强图像,以减少环境噪声带来的影响,并极大程度保持了断纱位置时域与频域的特征;然后使用小波变换的方式对增强图像进行断纱检测,在保证检出的情况下提升了检测速度;最后对检测到缺陷的位置使用深度学习的方式再进行一次检测以提升整体算法的鲁棒性。实验结果表明,本文算法可有效地检测不同工艺多类型纹理织物的断纱特征,相对于传统算法时效性与鲁棒性都得到很大程度的提高,能够满足工业场景下断纱检测的需要。 展开更多
关键词 经编机 断纱检测 小波变换 图像处理 深度学习
下载PDF
基于ResNet-ELM和迁移学习的风机齿轮箱故障诊断方法 被引量:2
5
作者 孙晔 张泽明 刘晓悦 《机电工程》 CAS 北大核心 2023年第7期978-987,1078,共11页
在变工况以及混合故障情况下,采用传统的方法对风力发电机齿轮箱进行故障诊断时,存在诊断效果不佳、泛化能力差等问题,为此,提出了一种基于深度残差网络(ResNet)-极限学习机(ELM)和迁移学习(TL)的风力发电机齿轮箱故障诊断方法(TL-RN-E... 在变工况以及混合故障情况下,采用传统的方法对风力发电机齿轮箱进行故障诊断时,存在诊断效果不佳、泛化能力差等问题,为此,提出了一种基于深度残差网络(ResNet)-极限学习机(ELM)和迁移学习(TL)的风力发电机齿轮箱故障诊断方法(TL-RN-ELM)。首先,分别介绍了连续小波变换(CWT)、卷神经网络(CNN)、深度残差网络(ResNet)、迁移学习(TL)、极限学习机(ELM)的原理;然后,基于上述原理,建立了TL-RN-ELM的风力发电机齿轮箱故障诊断模型(流程);最后,使用轴承数据集和齿轮箱数据集对上述方法进行了实验验证,即从美国凯斯西储大学(CWRU)轴承数据集和东南大学(SEU)齿轮箱数据集中进行了数据采集和处理,利用CWT将原始一维振动信号转换成了二维小波时频图像,使用CWRU轴承数据集对搭建的ResNet18模型进行了训练,生成了预训练模型;将预训练模型中的数据迁移至SEU齿轮箱数据集,微调了模块,提取了特征,并将其输入到ELM分类器,然后将分类结果与其他3类模型进行了对比分析。实验结果表明:对于从轴承到轴承、轴承到齿轮以及混合故障的小样本迁移故障诊断,TL-RN-ELM的平均准确率可达98.79%;与其他方法相比,该方法的平均准确率提升了4.73%~9.6%。研究结果表明:该方法具有良好的诊断效果和泛化能力。 展开更多
关键词 齿轮传动 迁移学习 深度残差网络 极限学习机 卷积神经网络 连续小波变换 模型预训练 模型迁移 小波时频图
下载PDF
基于IPSO算法优化小波神经网络的转辙机故障诊断
6
作者 韦子文 《电子测量技术》 北大核心 2023年第17期160-167,共8页
转辙机是铁路上实现道岔转换的重要的设备,其运营、维护工作耗费时间长、故障识别精度不高且存在误判、漏判等问题。针对上述问题,本文基于人工智能、深度学习等新型技术,提出一种新的S700K型转辙机故障识别方法。相较于较传统的Harr或M... 转辙机是铁路上实现道岔转换的重要的设备,其运营、维护工作耗费时间长、故障识别精度不高且存在误判、漏判等问题。针对上述问题,本文基于人工智能、深度学习等新型技术,提出一种新的S700K型转辙机故障识别方法。相较于较传统的Harr或Mexicanhat小波分解,本文首先将微机监测系统采样的转辙机动作功率曲线数据用一种具有紧支撑的正交小波Daubechies波分解与重构,提取8种常见类型故障的特征向量,归一化后作为改进后小波神经网络的输入量;然后采用分类学习粒子群算法优化网络内部的各项权值、阈值等参数,构建IPSO-WNN故障识别模型;最后选取车站监测机数据库中的动作功率曲线对故障识别模型进行网络训练和测试。本文提出的算法对8种常见的转辙机故障识别准确率超过95%,用时仅21 s左右,可以有效地运用于S700K型转辙机的故障识别并提高其精度与速度,为实现转辙机故障识别的预测提供理论支撑。 展开更多
关键词 转辙机 故障识别 深度学习 小波神经网络 功率曲线
下载PDF
基于Gabor滤波器和深度学习的图像检索方法 被引量:8
7
作者 徐娟娟 陈晨 杨洪军 《沈阳工业大学学报》 EI CAS 北大核心 2017年第5期529-534,共6页
针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征... 针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果. 展开更多
关键词 图像检索 GABOR小波 特征提取 降维 深度学习 受限玻尔兹曼机 深度信念网络 分类器
下载PDF
基于深度小波去噪自动编码器的轴承智能故障诊断方法 被引量:6
8
作者 李晓花 江星星 《计算机应用与软件》 北大核心 2021年第2期145-151,190,共8页
针对原始振动数据无监督特征学习问题,提出一种深度小波去噪自动编码器与鲁棒极限学习机相结合的滚动轴承的智能故障诊断方法。利用小波函数作为非线性激活函数设计小波去噪自动编码器,从而有效地捕获信号特征;利用多个小波去噪自动编... 针对原始振动数据无监督特征学习问题,提出一种深度小波去噪自动编码器与鲁棒极限学习机相结合的滚动轴承的智能故障诊断方法。利用小波函数作为非线性激活函数设计小波去噪自动编码器,从而有效地捕获信号特征;利用多个小波去噪自动编码器构造一个深度小波去噪自动编码器来增强无监督特征学习能力;采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。对实验所得的轴承振动信号进行对比分析,结果验证了该方法在原始振动数据无监督特征学习的条件下优于传统方法和标准深度学习方法。 展开更多
关键词 智能故障诊断 滚动轴承 深度小波去噪自动编码器 极限学习机 无监督特征学习
下载PDF
基于Gabor小波与深度信念网络的人脸识别方法 被引量:31
9
作者 柴瑞敏 曹振基 《计算机应用》 CSCD 北大核心 2014年第9期2590-2594,共5页
特征提取与模式分类是人脸识别的两个关键问题。针对人脸识别中的高维和小样本问题,从人脸特征的提取与降维算法入手,提出基于受限玻尔兹曼机(RBM)的二次特征提取及降维算法模型。首先把图像均匀分成若干局部图像块并进行量化,再对图像... 特征提取与模式分类是人脸识别的两个关键问题。针对人脸识别中的高维和小样本问题,从人脸特征的提取与降维算法入手,提出基于受限玻尔兹曼机(RBM)的二次特征提取及降维算法模型。首先把图像均匀分成若干局部图像块并进行量化,再对图像进行Gabor小波变换,通过RBM对得到的Gabor人脸特征进行编码,学习数据更本质的特征,从而达到对高维人脸特征降维的目的;并以此为基础提出基于深度信念网络(DBN)的多通道人脸识别算法。在ORL、UMIST和FERET人脸库上对不同样本规模和不同分辨率的图像进行实验,识别结果表明,与采用线性降维和浅层网络的方法相比,所提方法取得了较好的学习效率和很好的识别效果。 展开更多
关键词 特征提取 深度学习 GABOR小波 深度信念网络 降维 受限玻尔兹曼机
下载PDF
基于小波变换样本熵和深度核极限学习机的电压暂降源辨识 被引量:5
10
作者 汪颖 敬志凤 《西安理工大学学报》 CAS 北大核心 2022年第1期142-150,共9页
电压暂降源的准确辨识是电压暂降治理决策和责任划分的基础。本文针对电压暂降源辨识困难问题,以信号处理和机器学习为基础,提出了一种基于小波变换样本熵和深度核极限学习机的电压暂降源辨识方法。利用小波变换对电压暂降信号进行分解... 电压暂降源的准确辨识是电压暂降治理决策和责任划分的基础。本文针对电压暂降源辨识困难问题,以信号处理和机器学习为基础,提出了一种基于小波变换样本熵和深度核极限学习机的电压暂降源辨识方法。利用小波变换对电压暂降信号进行分解,并计算分解后的小波系数的样本熵,以构成特征向量。基于极限学习机和自编码器理论并引入核函数构建深度核极限学习机模型,并将特征向量作为模型输入,通过多次训练和参数调试,获得最优参数。利用训练好的模型对输入数据进行辨识,以实现电压暂降源的辨识。结果表明,所提方法的准确率高、抗噪声性能好。 展开更多
关键词 电压暂降源 小波变换 样本熵 深度核极限学习机 性能评价指标
下载PDF
人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例 被引量:17
11
作者 蔡振宇 盖增喜 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第3期451-460,共10页
为了准确而迅速地拾取大量地震事件的P波初至,将深度学习方法引入微地震P波初至到时拾取研究中,对卷积神经网络的结构进行改造,以便适应地震波形数据的特点和P波初至拾取的要求。该算法只需要输入10s窗口的三分量地震波形数据,就可以自... 为了准确而迅速地拾取大量地震事件的P波初至,将深度学习方法引入微地震P波初至到时拾取研究中,对卷积神经网络的结构进行改造,以便适应地震波形数据的特点和P波初至拾取的要求。该算法只需要输入10s窗口的三分量地震波形数据,就可以自动地判定P波初至时刻,无需扫描连续波形,运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时,将得到的模型对测试集中1867条数据的计算结果与人工拾取结果对比,误差小于0.5 s者占比达到98.9%。在低信噪比条件下,该方法仍能保持较好的拾取能力。 展开更多
关键词 人工智能 机器学习 深度学习 小波变换 初至拾取
下载PDF
基于深度小波自动编码器和极限学习机的轴承故障诊断 被引量:17
12
作者 陶沙沙 郭顺生 《科学技术与工程》 北大核心 2020年第29期12196-12203,共8页
针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函... 针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函数设计小波自动编码器从而有效地捕获信号特征。其次,利用多个小波自动编码器构造一个深度小波自动编码器来增强无监督特征学习能力。最后,采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。对实验所得的轴承振动信号进行对比分析,结果验证了研究结果能够在原始振动数据无监督特征学习的条件下该方法优于传统方法和标准深度学习方法。 展开更多
关键词 智能故障诊断 滚动轴承 深度小波自动编码器 极限学习机 无监督特征学习
下载PDF
基于Gabor及深度神经网络的葡萄种子分类 被引量:1
13
作者 杨旺功 淮永建 张福泉 《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第1期131-138,共8页
种子成熟度需要受过长期训练的专家通过肉眼进行观察和判断。为了改变传统人工经验判断的方式,该文提出了一种基于Gabor小波特征提取及深度神经网络的葡萄种子图像分类识别算法,以便实现高效、准确的分类识别效果。首先,利用背景差分法... 种子成熟度需要受过长期训练的专家通过肉眼进行观察和判断。为了改变传统人工经验判断的方式,该文提出了一种基于Gabor小波特征提取及深度神经网络的葡萄种子图像分类识别算法,以便实现高效、准确的分类识别效果。首先,利用背景差分法在背景图像中分割出兴趣目标,从而完成图像的预处理。然后,通过改进的Gabor小波特征提取,使得Gabor滤波后的图像具有更多的细节纹理信息。最后,将深度卷积神经网络和提取到的纹理特征信息相结合进行分类。实验结果表明,基于机器学习的葡萄种子成熟度识别是切实可行的。且相比于其他类似分类算法,本文算法的图像分类精度有了一定的改善。 展开更多
关键词 分类识别 深度学习 特征提取 GABOR小波 葡萄种子 机器学习 神经网络
下载PDF
MMC五电平逆变器故障的深度小波极限学习机诊断方法研究 被引量:4
14
作者 孔令瑜 张彼德 +2 位作者 洪锡文 王涛 彭丽维 《电力系统及其自动化学报》 CSCD 北大核心 2020年第7期25-32,共8页
针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故... 针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故障诊断方法。所提方法直接利用各故障状态下交流侧三相线电压原始数据对WELM-AE进行逐层预训练,再将训练好的WELM-AE堆叠形成DWELM以提取嵌入于原始数据中的深层次故障特征,并在最后一层实现故障特征与故障类型的映射。对比分析结果表明:所提方法可直接利用原始三相输出线电压信号进行故障诊断,且具有更高的故障诊断准确度。 展开更多
关键词 MMC五电平逆变器 小波极限学习机-自动编码器 深度小波极限学习机 故障诊断
下载PDF
利用CNN和小波变换的室内定位信号识别 被引量:2
15
作者 张忠健 席志红 《应用科技》 CAS 2022年第2期81-86,共6页
在超宽带(UWB)室内定位系统中,采用时域特征识别非视距信号(NLOS)不能达到令人满意的性能。为了解决这一问题,利用小波变换方便同时提取时频域特征的特点,提出了一种基于连续小波变换和卷积神经网络(CWT-CNN)的NLOS识别方法。仿真实验... 在超宽带(UWB)室内定位系统中,采用时域特征识别非视距信号(NLOS)不能达到令人满意的性能。为了解决这一问题,利用小波变换方便同时提取时频域特征的特点,提出了一种基于连续小波变换和卷积神经网络(CWT-CNN)的NLOS识别方法。仿真实验使用一个网络开源数据集。仿真结果表明,对于6种不同的室内场景,NLOS信号识别准确率分别为87.50%、84.50%、88.00%、87.00%、90.50%和88.50%,CWT-CNN能够较好的识别时频域内的NLOS信号。 展开更多
关键词 室内定位 超宽带 非视距信号识别 连续小波变换 深度学习 卷积神经网络 支持向量机 特征可视化
下载PDF
基于小波包分解的EHO-ELM与EHO-DELM日径流多步预报模型研究 被引量:10
16
作者 李新华 崔东文 《中国农村水利水电》 北大核心 2022年第10期81-86,共6页
为提高日径流时间序列多步预报精度,基于小波包分解(Wavelet Packet Decomposition,WPD)方法、象群优化(Elephant Herding Optimization,EHO)算法和极限学习机(Extreme Learning Machine,ELM)、深度极限学习机(Eeep Extreme Learning Ma... 为提高日径流时间序列多步预报精度,基于小波包分解(Wavelet Packet Decomposition,WPD)方法、象群优化(Elephant Herding Optimization,EHO)算法和极限学习机(Extreme Learning Machine,ELM)、深度极限学习机(Eeep Extreme Learning Machine,DELM)两种预测器,研究提出WPD-EHO-ELM、WPD-EHO-DELM日径流时间序列混合预报模型,并应用于云南省景东水文站日径流时间序列多步预报。首先利用2层WPD将日径流时序数据分解为4个子序列分量,达到降低日径流序列数据复杂性和不平稳性的目的;其次在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入向量;最后介绍EHO算法原理,分别利用EHO优化ELM、DELM输入层权值和隐含层偏值,建立WPD-EHOELM、WPD-EHO-DELM模型对各子序列分量进行多步预测,将预测结果加和重构得到最终日径流多步预报结果。并构建基于小波(Wavelet Decomposition,WD)分解的WD-EHO-ELM、WD-EHO-DELM模型和未经分解的EHO-ELM、EHODELM模型作对比分析模型。结果表明:(1)WPD-EHO-ELM、WPD-EHO-DELM模型对实例预见期为1~5 d日径流预报的平均绝对百分比误差≤9.44%,合格率≥89.2%,确定性系数≥0.99,精度等级均为甲级,预报效果均优于WD-EHO-ELM等其他模型。其中预见期为1~3 d日径流预报的平均绝对百分比误差≤1.81%、合格率100%,确定性系数≥0.999 6,预报效果最理想。(2)WPD-EHO-ELM、WPD-EHO-DELM模型能充分发挥WPD分解、EHO算法和ELM、DELM网络优势,表现出较高的预报精度和稳定性能,预报精度随着预见期天数的增加而降低。(3)模型及方法可为实现日径流时间序列多步预报和精准预报提供新途径。 展开更多
关键词 日径流预报 小波包分解 象群优化算法 极限学习机 深度极限学习机 多步预测
下载PDF
基于小波包分解-非洲秃鹫优化算法-深度极限学习机的水文预报模型及其应用 被引量:11
17
作者 王忠义 崔东文 《水电能源科学》 北大核心 2022年第8期26-31,共6页
针对水文序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合,建立WPD-AVOA-DELM组合预测模型,利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数,分别建立WPD-AVOA-DELM... 针对水文序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合,建立WPD-AVOA-DELM组合预测模型,利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数,分别建立WPD-AVOA-DELM^(1)(优化DELM输入层权值、隐含层偏值)、WPD-AVOA-DELM^(2)(优化DELM隐含层神经元数)模型,利用WPD将云南省革雷站水文序列分解为8个子序列分量,对各子序列分量进行预报,将预报结果加和重构得到最终预报结果。结果表明,WPD-AVOA-DELM^(1)、WPD-AVOA-DELM^(2)模型对革雷站月径流、月降水量、年径流、年降水量预报的平均相对误差分别为1.86%、8.82%、0.79%、0.52%和1.97%、8.30%、0.92%、0.71%,预报精度远高于单一模型AVOA-DELM^(1)、AVOA-DELM^(2)、AVOA-SVM,高于组合模型WPD-AVOA-SVM,具有更好的预报效果。可见WPD能科学降低水文序列的复杂性,提高预报精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。 展开更多
关键词 水文预报 小波包分解 非洲秃鹫优化算法 深度极限学习机
下载PDF
基于WPD-AGTO-DELM模型的年径流时间序列预测 被引量:5
18
作者 梁晓鑫 崔东文 《三峡大学学报(自然科学版)》 CAS 2022年第5期14-20,共7页
针对径流序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)、人工大猩猩群优化(AGTO)算法与深度极限学习机(DELM)相结合,建立WPD-AGTO-DELM组合预测模型,并构建WPD-DELM、WPD-AGTO-BP、WPD-BP及基于小波分解(WD)的WD-AGTO-DELM、WD-... 针对径流序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)、人工大猩猩群优化(AGTO)算法与深度极限学习机(DELM)相结合,建立WPD-AGTO-DELM组合预测模型,并构建WPD-DELM、WPD-AGTO-BP、WPD-BP及基于小波分解(WD)的WD-AGTO-DELM、WD-DELM、WD-AGTO-BP、WD-BP作对比模型,将所建8种模型应用于云南省龙潭站年径流预测.首先,利用WPD将年径流序列分解为8个子序列分量,达到降低年径流序列数据复杂性和不平稳性的目的;其次,采用自相关函数法(AFM)确定各分解分量的输入向量;最后,利用AGTO优化DELM隐含层神经元数,建立AGTO-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终预测结果.结果表明:WPD-AGTO-DELM模型对实例后10年径流预测的平均相对误差1.86%,平均绝对误差0.26m^(3)/s,均方根误差0.34m^(3)/s,预测精度优于其他模型.WPD分解效果优于WD,能科学降低径流序列的复杂性,提高预测精度;AGTO能有效优化DELM中多个隐含层神经元数,提高DELM网络性能. 展开更多
关键词 径流预测 小波包分解 人工大猩猩群优化算法 深度极限学习机
下载PDF
基于小波降噪的深度极限学习机交通流量预测 被引量:1
19
作者 范馨月 《计算机技术与发展》 2021年第11期41-45,共5页
为了克服非线性和强噪声特征对交通流短时预测准确度的影响,应用交通流预测模型获得更为准确的交通流信息是智能交通建设的关键环节。文中构建了小波降噪的深度极限学习机对城市道路的交通流量进行预测,并与原极限学习机和小波BP神经网... 为了克服非线性和强噪声特征对交通流短时预测准确度的影响,应用交通流预测模型获得更为准确的交通流信息是智能交通建设的关键环节。文中构建了小波降噪的深度极限学习机对城市道路的交通流量进行预测,并与原极限学习机和小波BP神经网络模型的预测效果进行比较。将实验城市一年中电子警察采集到的各路口五分钟车流量作为训练集,构建了极限学习机、基于小波降噪的深度极限学习机和小波BP神经网络模型,分别对各路口高峰时段车流量进行预测,采用三类误差分析指标刻画三种模型的预测效果。实验结果表明,小波降噪的深度极限学习机预测误差评价值MAPE为0.234%,MRE为0.0029,RSE为0.6999,其值均小于原极限学习机和小波BP神经网络的误差指标,有较好的预测效果,从而说明小波降噪的深度极限学习机对短时交通流预测的合理性和可行性,为短时交通流的预测提供了一种新的解决思路。 展开更多
关键词 短时交通流预测 极限学习机 小波降噪 深度极限学习机 小波BP神经网络
下载PDF
基于小波分解的AVOA-DELM月径流时间序列预测模型及应用 被引量:3
20
作者 张亚杰 《人民珠江》 2022年第7期158-164,共7页
为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含... 为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含层神经元数,建立WD-AVOA-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终月径流预测结果。同时构建基于支持向量机(SVM)、BP神经网络两种预测器的WD-AVOA-SVM、WD-AVOA-BP、AVOA-DELM、AVOA-SVM、AVOA-BP作分析对比模型。结果表明:WD-AVOA-DELM模型对丫勒水文站月径流预测的平均绝对百分比误差为3.02%,预测误差远小于WD-STOA-SVM、WD-AVOA-BP模型,预测精度较AVOA-DELM、AVOA-SVM、AVOA-BP提高1个数量级以上,具有较好的预测效果。WD能科学降低径流序列的复杂性,提高预测精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。 展开更多
关键词 月径流预测 小波分解 非洲秃鹫优化算法 深度极限学习机 参数优化
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部