检索结果-内蒙古大学图书馆

统计与决策 2025年第1期41卷 52-57页

作者：蒋锋路畅王辉中南财经政法大学统计与数学学院武汉430073 中国科学院武汉文献情报中心武汉430071 中国科学院科技大数据湖北省重点实验室武汉430071

针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适... 详细信息

针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适应调整参数改进蛇优化算法;最后,运用MSO优化的极限学习机(ELM)对每个子序列进行预测并集成。为了验证CEEMDPN-MSO-ELM模型的有效性,采用龙源电力集团的风电功率数据进行超短期预测,实证结果表明,CEEMDPN算法能够加强风电功率序列的主频率部分并提高分解精度,MSO算法能够很好地平衡算法的寻优速度与收敛精度,从而有效提升ELM模型的预测性能,所提模型的预测精度和稳健性均优于其他对比模型。

关键词：超短期风电功率预测互补集合经验模态分解蛇优化算法极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-PF的甲烷气体直接吸收信号降噪研究

引用

激光杂志 2025年第2期46卷 62-72页

作者：孙思奇李正友杨沅锦杨炳雄南京航空航天大学机电学院南京210016

为提高可调谐半导体激光器吸收光谱学(TDLAS)技术甲烷气体浓度的检测精度,解决检测过程中直接吸收信号的噪声干扰问题。提出了一种互补集合经验模态分解(CEEMD)结合排列熵和S-G滤波的降噪方法,通过排列熵和S-G滤波来解决CEEMD分解中出... 详细信息

为提高可调谐半导体激光器吸收光谱学(TDLAS)技术甲烷气体浓度的检测精度,解决检测过程中直接吸收信号的噪声干扰问题。提出了一种互补集合经验模态分解(CEEMD)结合排列熵和S-G滤波的降噪方法,通过排列熵和S-G滤波来解决CEEMD分解中出现的虚假分量和噪声残留问题。通过仿真含不同噪声的甲烷气体吸收信号,并将所提方法与传统的CEEMD方法和小波变换方法作对比,验证所提方法的有效性。实验结果表明,相较于对比方法,所提方法吸收光谱曲线的Lorentz线型拟合的拟合度最高为0.991 1,吸收光谱幅值与甲烷气体浓度拟合度为0.998 46。该方法能够有效降低气体吸收信号中的噪声干扰,提高了系统的测量精度。

关键词： TDLAS 直接吸收技术互补集合经验模态分解排列熵 S-G滤波

来源：评论

学校读者我要写书评

暂无评论

滑坡位移CEEMD-CIWOA-BP预测模型

引用

有色金属(矿山部分) 2025年第1期77卷 106-114,142页

作者：余国强侯克鹏孙华芬昆明理工大学国土资源工程学院昆明650093 云南省中-德蓝色矿山与特殊地下空间开发利用重点实验室昆明650093

为了直观地判断滑坡因素与周期项位移间的因果关系,并提高滑坡位移预测模型的准确性,以某矿山滑坡位移监测数据为例,建立了考虑时滞的CEEMD-CIWOA-BP滑坡位移预测模型。首先利用CEEMD方法将滑坡位移监测数据分解成多个信号分量及res分量... 详细信息

为了直观地判断滑坡因素与周期项位移间的因果关系,并提高滑坡位移预测模型的准确性,以某矿山滑坡位移监测数据为例,建立了考虑时滞的CEEMD-CIWOA-BP滑坡位移预测模型。首先利用CEEMD方法将滑坡位移监测数据分解成多个信号分量及res分量,将其重构为滑坡趋势项及周期项位移;然后引入Cubic混沌映射及惯性权重因子对WOA算法优化,利用优化的WOA算法对BP神经网络模型的连接权重及偏置项进行赋值;考虑到降雨及库水位对滑坡位移的时滞效应,利用Granger因果检验法确定降雨及库水位与周期位移的因果关系并引用MIC法确定时滞期数,使用CIWOA-BP模型分别对周期位移进行预测;最后,将各分量结果叠加得到滑坡位移累计预测值,对模型的预测精度进行评价。结果显示,本文提出的CEEMD-CIWOA-BP模型的性能优于其他模型,验证了所建模型的可行性。本文提出的模型能为滑坡灾害预警预报提供一定的参考。

关键词：滑坡位移互补集合经验模态分解 BP神经网络改进鲸鱼优化算法时间序列

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-GWO的火-储协同调频混合储能优化配置策略

引用

吉林电力 2025年第1期53卷 16-20页

作者：乔馨沙千理张鹏鑫李永越宋大彬东北电力大学吉林吉林132012 国家电网技术培训中心郑州450000

为解决火电机组在应对可再生能源并网时调频需求增加问题,提出了基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与灰狼优化算法(Grey Wolf Optimizer,GWO)的火电-混合储能协同调频优化配置策略... 详细信息

为解决火电机组在应对可再生能源并网时调频需求增加问题,提出了基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与灰狼优化算法(Grey Wolf Optimizer,GWO)的火电-混合储能协同调频优化配置策略,以改善调频性能提高综合净收益。通过CEEMD将自动发电控制调频信号分解为高频和低频分量,分别由混合储能系统和火电机组响应;通过GWO对混合储能系统的功率和容量配置进行优化,综合考虑储能设备的全寿命周期成本及收益。结果表明,该策略有效地增强了调频性能,在满足调频需求的同时提高了综合经济效益。

关键词：火电-混合储能联合二次调频配置策略互补集合经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-SE-PSR-BP的短期风速预测

引用

太阳能学报 2025年第4期46卷 415页

作者：高晟扬李法社云南农业大学机电工程学院昆明650201 昆明理工大学冶金与能源工程学院昆明650093

为提升预测的准确度,提出一种互补集合经验模态分解(CEEMD)、样本熵(SE)、相空间重构(PSR)以及神经网络(BP)的短期风速预测新模型。首先运用CEEMD技术对风速时间序列进行拆解,化繁为简,分离出多个子序列。随后,计算每个子序列的SE,从SE... 详细信息

为提升预测的准确度,提出一种互补集合经验模态分解(CEEMD)、样本熵(SE)、相空间重构(PSR)以及神经网络(BP)的短期风速预测新模型。首先运用CEEMD技术对风速时间序列进行拆解,化繁为简,分离出多个子序列。随后,计算每个子序列的SE,从SE的特征中重组风速序列。继而,将各子序列的预测结果进行相空间重构,获取神经网络预测的输入输出样本。最后运用神经网络预测每个样本,并将所有预测结果累加。此外,还对风电场的实际运行数据进行试验,并将模型的预测结果与其他预测方法进行对比,实验结果显示出此模型在提高风速预测精度方面的显著优势。

关键词：风速预测样本熵互补集合经验模态分解相空间重构神经网络时间序列

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-PSO-BP模型的黑龙江省气象干旱预测

引用

黑龙江大学工程学报(中英俄文) 2025年第1期16卷 87-93页

作者：余廷钧孙颖娜刘岩黑龙江大学水利电力学院黑龙江省水利科学研究院

气象干旱严重影响农业生产活动，因此干旱预测对于防旱救灾工作至关重要。提出了一种综合机器学习模型CEEMD-PSO-BP,集成了互补集合经验模式分解(CEEMD)、粒子群优化(PSO)和反向传播(BP)技术。将标准化降水蒸散指数(SPEI)序列分解为若... 详细信息

气象干旱严重影响农业生产活动，因此干旱预测对于防旱救灾工作至关重要。提出了一种综合机器学习模型CEEMD-PSO-BP,集成了互补集合经验模式分解(CEEMD)、粒子群优化(PSO)和反向传播(BP)技术。将标准化降水蒸散指数(SPEI)序列分解为若干波动最小的子序列；采用PSO算法优化BP神经网络模型的初始输入权重和阈值，对每个子序列进行预测。SPEI的最终预测值由各个子序列的预测值汇总得出。黑龙江省1961—2001年的SPEI-12序列作为训练数据集，2002—2020年的序列作为测试数据集。预测的时间间隔为1、3、6、9和12个月，并与BP和PSO-BP模型进行了比较分析。结果表明，CEEMD-PSO-BP模型优于PSO-BP和BP神经网络模型，证明了其在黑龙江省气象干旱预报中的有效性，为农业灌溉和水资源管理提供科学借鉴和依据。

关键词：标准降水蒸散发指数干旱预测互补集合经验模态分解粒子群算法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-SBO-LSSVR的超短期风电功率组合预测

引用

电网技术 2021年第3期45卷 855-862页

作者：周小麟童晓阳西南交通大学电气工程学院四川省成都市610031

为提高风电功率预测的精度,提出了一种基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、缎蓝园丁鸟优化算法(satinbower birdoptimizationalgorithm,SBO)及最小二乘支持向量回归(least squares support vector regression,LSSVR)模型的超短期风电功率组合预测方法。针对风电序列的随机波动性,采用CEEMD对风电功率序列进行分解,将分解得到的不同特征尺度的各分量作为LSSVR模型的训练输入量。引入SBO算法对LSSVR的正则化参数与核函数宽度进行优化,建立各分量的预测模型,将各分量的预测输出值叠加得到最终的风电功率预测值。所提CEEMD-SBO-LSSVR组合预测方法不仅有效降低了预测的复杂度,而且保证原始风电序列经模态分解处理后具有小的重构误差。仿真结果表明,与其他预测模型相比,所提方法具有较高的超短期风电功率预测精度。

关键词：超短期风电预测最小二乘支持向量回归互补集合经验模态分解缎蓝园丁鸟优化算法组合模型

来源：评论

学校读者我要写书评

暂无评论

互补集合自适应最稀疏窄带分解及其应用

引用

振动与冲击 2019年第20期38卷 31-37页

作者：陈君航彭延峰李学军韩清凯李鸿光湖南科技大学湖南省机械设备健康维护重点实验室湖南湘潭411201 湖南科技大学先进矿山装备教育部工程研究中心湖南湘潭411201 大连理工大学机械工程学院辽宁大连116024 上海交通大学机械系统与振动国家重点实验室上海200240

自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高... 详细信息

自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高。因此在结合了互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)算法,得到了新的互补集合自适应最稀疏窄带分解(Complementary Ensemble Adaptive Sparsest Narrow-band Decomposition,CE-ASNBD)方法。此方法是加入成对符号相反的白噪声到目标信号,从而减小重构误差,在对滤波器参数的优化过程中实现信号的自适应分解。对仿真和实验数据的分析结果表明,该方法在抑制模态混淆、端点效应、性能、提高分量的正交性和准确性等方面要优于CEEMD和ASNBD方法,并能有效应用于滚动轴承故障诊断。

关键词：故障诊断滚动轴承自适应最稀疏窄带分解互补集合经验模态分解局部窄带信号

来源：评论

学校读者我要写书评

暂无评论

基于小波阈值去噪和CEEMD的混合三端直流输电线路故障测距

引用

电力系统保护与控制 2022年第3期50卷 29-40页

作者：高淑萍徐振曦宋国兵邵明星姜元月西安科技大学电气与控制工程学院陕西西安710600 西安交通大学电气工程学院陕西西安710049

针对行波法测距精度受波速、行波波头标定的精度以及噪声的影响,提出一种基于小波阈值去噪和CEEMD-HT结合的混合三端直流输电线路测距方法。首先利用小波阈值去噪对故障信号滤噪,然后对滤噪后的信号使用互补集合经验模态分解和希尔伯特... 详细信息

针对行波法测距精度受波速、行波波头标定的精度以及噪声的影响,提出一种基于小波阈值去噪和CEEMD-HT结合的混合三端直流输电线路测距方法。首先利用小波阈值去噪对故障信号滤噪,然后对滤噪后的信号使用互补集合经验模态分解和希尔伯特变换标定初始波头的到达时间。再根据故障行波到达测量端时间比值识别故障支路。最后考虑到行波波速难以精确确定,基于已知线路长度和初始波头到达时间,提出一种不受波速影响的测距方法。仿真结果表明,所提方法能够有效标定波头,且测距结果不受波速、故障距离、故障类型、过渡电阻及噪声的影响。与利用波速计算的双端法、HHT及小波包测距算法相比,该方法的测距误差更小。

关键词：混合三端直流输电系统行波法时频图互补集合经验模态分解三端故障测距

来源：评论

学校读者我要写书评

暂无评论

融合CEEMD_MPE和GK模糊聚类的故障识别方法

引用

振动工程学报 2020年第3期33卷 629-635页

作者：赵荣珍孙泽金兰州理工大学机电工程学院甘肃兰州730050

针对转子故障信号非线性、非平稳性的特点,提出了一种基于互补集合经验模态分解、多尺度排列熵和GK聚类的故障特征提取和识别方法。首先采用互补集合经验模态分解对故障信号进行分解,依据相关系数原则,选取相关系数最大的模态分量作为... 详细信息

针对转子故障信号非线性、非平稳性的特点,提出了一种基于互补集合经验模态分解、多尺度排列熵和GK聚类的故障特征提取和识别方法。首先采用互补集合经验模态分解对故障信号进行分解,依据相关系数原则,选取相关系数最大的模态分量作为分析对象;然后利用多尺度排列熵量化模态分量的故障特征作为特征向量;最后,将经过PCA(Principal Component Analysis)降维后的低维特征集输入到GK模糊聚类算法中进行故障识别分类。将所提方法应用于典型转子实验台的故障特征集,通过分类系数与划分熵对分类效果进行检验,并与其他模式组合方法进行比较。结果表明,本文所提方法能够更有效提取故障特征。

关键词：故障诊断互补集合经验模态分解多尺度排列熵 GK模糊聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：