重要输电通道风险评估和预测对状态检修和线路运维工作具有指导性意义,而采用传统长短时记忆(long and short-term memory,LSTM)网络对线路风险进行预测时,人为调参困难、预测精度较低,因此,提出了一种基于水波优化-因子分析-长短时记忆...重要输电通道风险评估和预测对状态检修和线路运维工作具有指导性意义,而采用传统长短时记忆(long and short-term memory,LSTM)网络对线路风险进行预测时,人为调参困难、预测精度较低,因此,提出了一种基于水波优化-因子分析-长短时记忆(water wave optimization-factor analysis-long and short-term memory,WWO-FALSTM)的重要输电通道风险准确评估与快速预测方法。首先,引入Levy分布、高斯–柯西变异算子和线性递减波高对WWO进行改进;其次,获取评估区多维致灾因子,并进行FA降维后作为网络输入,考虑孕灾环境敏感性和承灾体易损性计算出风险指数Rc作为网络输出;通过改进的WWO对LSTM进行不断优化,得到最优化LSTM模型;最后,采用最优化LSTM模型对重要输电通道进行风险预测。结果表明,该模型风险评估准确,模型预测较传统方法降低了误差,适用于输电通道风险评估与预测。展开更多
基于水波扩散效应,提出了一种水波中心扩散算法(water wave center diffusion,WWCD)。着眼解决函数极值优化问题,以某个局部最优解为中心点,由近至远、由密至疏产生多组扩散解进行迭代寻优。通过合理设计扩散解的扩散比例、选择比例和...基于水波扩散效应,提出了一种水波中心扩散算法(water wave center diffusion,WWCD)。着眼解决函数极值优化问题,以某个局部最优解为中心点,由近至远、由密至疏产生多组扩散解进行迭代寻优。通过合理设计扩散解的扩散比例、选择比例和跳跃比例等参数,提高算法的全局寻优效率,对比WWCD与6种智能优化算法极值优化问题的仿真结果,验证了前者在全局求解精度和收敛速度方面的优越性。聚焦雷达信号识别问题,WWCD优化支持向量机(support vector machine,SVM)关键参数进行雷达信号识别实验。仿真结果表明,通过本算法优化SVM关键参数进行雷达信号识别,可明显提高识别效率。展开更多
文摘重要输电通道风险评估和预测对状态检修和线路运维工作具有指导性意义,而采用传统长短时记忆(long and short-term memory,LSTM)网络对线路风险进行预测时,人为调参困难、预测精度较低,因此,提出了一种基于水波优化-因子分析-长短时记忆(water wave optimization-factor analysis-long and short-term memory,WWO-FALSTM)的重要输电通道风险准确评估与快速预测方法。首先,引入Levy分布、高斯–柯西变异算子和线性递减波高对WWO进行改进;其次,获取评估区多维致灾因子,并进行FA降维后作为网络输入,考虑孕灾环境敏感性和承灾体易损性计算出风险指数Rc作为网络输出;通过改进的WWO对LSTM进行不断优化,得到最优化LSTM模型;最后,采用最优化LSTM模型对重要输电通道进行风险预测。结果表明,该模型风险评估准确,模型预测较传统方法降低了误差,适用于输电通道风险评估与预测。
