检索结果-内蒙古大学图书馆

作者：桑小双安徽大学

学位级别：硕士

模糊时间序列预测模型是数据分析与预测中广泛研究的课题,是为了解决经典时间序列分析方法不能处理的模糊性问题而产生的.模糊集理论的不断发展促进了对时间序列预测模型越来越深入的应用研究,信息化时代的进步使得它得到了越来越广泛... 详细信息

模糊时间序列预测模型是数据分析与预测中广泛研究的课题,是为了解决经典时间序列分析方法不能处理的模糊性问题而产生的.模糊集理论的不断发展促进了对时间序列预测模型越来越深入的应用研究,信息化时代的进步使得它得到了越来越广泛的应用,如何提高模型预测精度引起了众多研究者的关注.本文在模糊集理论与时间序列分析理论的基础上,对模糊时间序列预测模型的模糊聚类、模糊化、建立多变量模糊逻辑关系组以及去模糊化等方面进行深入地研究.本文主要内容如下:1.针对模糊c均值聚类算法(FcM),为了避免陷入局部极小值,克服对初始聚类中心敏感的障碍,提出改进的FcM.重新修订了初始聚类中心和对时间序列二型模糊化,建立模糊关系矩阵,并通过对聚类中心加权预测一阶差分,最终得到预测值.最后,通过对Alabama大学招生人数预测的对比试验,及台湾加权指数(TAIEX)预测模型,使用该方法均提高了预测精度,表明其有效性和优越性.2.考虑到现实生活中很多时间序列模型会受到多个变量影响,有些甚至影响很大,文章进一步研究了多变量时间序列预测模型.由于不同时间序列的几何结构和模糊划分可能不同,本文利用基于马氏距离的模糊聚类有效性指标,并获得最佳聚类数,通过构建一阶多变量模糊逻辑关系组,将预测的模糊值去模糊化到前一时刻真实值与相关的聚类中心,并获得最终预测值.最后,以TAIEX为例,将新预测方法与其他预测方法进行了比较,所得结果证明了新预测方法不仅预测误差小,而且稳定性好.

关键词：二型模糊集聚类中心模糊c均值聚类算法多变量马氏距离模糊时间序列

来源：评论

学校读者我要写书评

暂无评论

基于计算机视觉的盲道图像分割技术的研究

基于计算机视觉的盲道图像分割技术的研究

引用

作者：李媛西安建筑科技大学

学位级别：硕士

目前,盲人群体的出行具有极大的不便,盲道作为辅助盲人出行的重要设施,其作用并未得到充分的发挥。因此,如何有效的利用盲道信息以方便盲人出行便成为了学者们研究的重点。盲道分割是盲道识别系统中的重要环节,然而现有的盲道分割算法... 详细信息

目前,盲人群体的出行具有极大的不便,盲道作为辅助盲人出行的重要设施,其作用并未得到充分的发挥。因此,如何有效的利用盲道信息以方便盲人出行便成为了学者们研究的重点。盲道分割是盲道识别系统中的重要环节,然而现有的盲道分割算法存在分割率较差,处理方式单一,而且容易受到光照、阴影等外界环境影响等问题。针对这些不足,本文给出了一种新的基于计算机视觉的盲道分割算法。根据不同的分割算法在不同类型的盲道分割效果上表现出较大的差异这一特点,论文将盲道分割工作分为纹理盲道分割和颜色盲道分割两个部分。纹理盲道属于纹理图像,常用的纹理图像分割算法有分水岭算法与图论算法,而这些算法受光照及噪声等外界因素的影响,极容易造成误分割。针对这些缺陷,本文给出了一种基于BBO-KFcM的盲道分割算法。首先,算法利用结构法来提取盲道的纹理特征;然后选择KFcM聚类分割算法来分割纹理盲道;最后利用BBO来降低算法对噪声的敏感度。在对颜色盲道进行分割时,基于区域算法与基于阈值算法的分割表现出了较弱的分割效果和鲁棒性。对此,论文采用了一种基于HSI颜色空间的BBO-FcM的盲道分割算法。首先,将图像由RGB颜色空间转换到HSI颜色空间;其次,用改进后的FcM聚类算法对颜色盲道进行分割;最后利用BBO算法的的特点来优化FcM算法对噪声的敏感度。论文以计算机视觉的方法对盲道分割算法进行了研究,针对已有盲道分割算法的不足,将盲道分为纹理盲道和颜色盲道,并相应地给出了改进算法。实验结果表明,对于不同类型的盲道,本文算法能够有效地将盲道区域与人行区域分割,且不易受光照和噪声影响,从而降低误分割率。

关键词：盲道分割生物地理学优化算法核函数模糊c均值聚类算法颜色空间

来源：评论

学校读者我要写书评

暂无评论

智能优化算法在模糊辨识中的应用研究

智能优化算法在模糊辨识中的应用研究

引用

作者：刘楠燕山大学

学位级别：硕士

模糊模型属于非线性模型,已被证明是一种万能逼近器。因此,对于解决非线性系统和不确定系统的建模和控制,模糊建模是一种有效的方法。传统模糊辨识方法的局限性有时会使控制系统很难达到满意的辨识精度。因而合理的参数选择将是提高辨... 详细信息

模糊模型属于非线性模型,已被证明是一种万能逼近器。因此,对于解决非线性系统和不确定系统的建模和控制,模糊建模是一种有效的方法。传统模糊辨识方法的局限性有时会使控制系统很难达到满意的辨识精度。因而合理的参数选择将是提高辨识精度的一个有效的办法。随着智能优化算法的不断发展和成熟,它越来越多的应用到了模糊模型的优化上,为提高模型辨识精度和效率提供了一个有效方法。本文主要研究了智能优化算法在模糊辨识中的应用,具体研究工作如下:首先,概述了课题的研究背景及意义,总结了模糊辨识和智能优化算法的发展过程及研究现状,介绍了模糊模型辨识的基础知识,为后面各章节的学习奠定了必要的理论基础。其次,基于模糊理论和智能优化算法,提出两种模糊辨识新方法。第一种方法是基于T-S模型和改进猫群算法的模糊辨识。该混合算法同时利用了这两种算法的优点,明显提高了辨识精度和收敛速度;第二种方法采用模糊c均值聚类算法对聚类中心进行初步优化。然后利用改进猫群算法的全局搜索能力优化聚类中心,有效地解决了模糊c均值聚类算法容易陷入局部最优的问题,提高了模糊辨识的精度和效率。然后,针对粒子群算法在处理高维复杂函数时容易陷入局部极值的问题,提出一种基于Tent混沌映射的粒子群算法,并且将改进的粒子群算法优化模糊模型参数,仿真得到了满意的实验结果。最后,研究了模糊模型的混沌系统广义预测控制算法,将模糊c均值聚类算法运用到混沌系统的广义预测控制中,提出一种更加有效的广义预测控制算法。采用改进的模糊c均值聚类算法对Hénon混沌系统进行辨识,得到Hénon混沌系统的局部动态线性模型,利用广义预测控制算法对其进行预测控制。仿真结果验证了所提方法的有效性。

关键词：模糊辨识智能优化算法 T-S模型模糊c均值聚类算法粒子群优化算法猫群算法

来源：评论

学校读者我要写书评

暂无评论

基于车联网大数据分析的实时路况信息系统关键技术研究

基于车联网大数据分析的实时路况信息系统关键技术研究

引用

作者：张亚茹南京邮电大学

学位级别：硕士

随着汽车保有量持续增加,车与路的矛盾日益突出,由此也引发了交通拥堵问题。拥堵问题现在已严重影响了人们的日常出行,而智能交通技术和车联网技术是解决交通拥堵问题的有效途径。以此为背景,本文主要对以车联网大数据为基础的实时路况... 详细信息

随着汽车保有量持续增加,车与路的矛盾日益突出,由此也引发了交通拥堵问题。拥堵问题现在已严重影响了人们的日常出行,而智能交通技术和车联网技术是解决交通拥堵问题的有效途径。以此为背景,本文主要对以车联网大数据为基础的实时路况信息系统相关技术进行研究。通过车联网技术实时采集交通数据并对其进行处理分析,以获得实时准确的路况信息,从而帮助出行人员选择合理的出行路线,实现缓解交通拥堵的目的。本文的主要研究内容如下:(1)研究了基于车联网的实时路况信息获取的“端-管-云”系统架构。首先对该系统的总体架构进行了设计,按照实时交通信息采集、预处理、云平台和数据挖掘技术的顺序进行了层次化功能分析,然后在分析原始交通数据特征的基础上,针对采集的交通信息中存在的数据错误、丢失和冗余等异常现象,制定了相应的清洗规则。(2)针对在实时交通数据采集和清洗的过程中会出现数据缺失的现象,依据交通数据的时空特性,提出了一种动态自适应的数据修复算法。该算法在二次指数平滑法的基础上,将交通数据的空间相关性应用到数据修复中,以提高数据修复质量。仿真实验结果表明,该算法具有更好的数据修复效果。(3)在对道路交通状态识别时,针对交通状态本身的模糊性,本文改进了模糊c均值聚类算法来对海量数据进行聚类分析。改进的算法将模糊c均值聚类算法与canopy算法结合,用canopy算法初始化聚类中心与聚类数量,同时引入了Xie-Beni指标来自适应确定模糊加权指数。首先使用改进的算法对交通数据进行聚类并获得道路集群,然后利用交通模式识别算法和交通状态分类标准进行道路交通状态判断。实验表明,该算法有更好的聚类效果,且发生误判的概率更小,能够获得准确的道路交通状态。

关键词：车联网大数据实时路况数据修复模糊c均值聚类算法

来源：评论

学校读者我要写书评

暂无评论

基于多模型的高速动车组预测控制方法

基于多模型的高速动车组预测控制方法

引用

作者：孙涛华东交通大学

学位级别：硕士

高速动车组作为一种新型的交通运输方式,给人们出行带来了很多便利。近年来,我国的高铁行业得到迅速的发展,高铁运营总里程已经突破2万公里,高速动车组运行速度也达到300km/h以上。但是随着高速动车组运行速度越来越快,传统的控制方法... 详细信息

高速动车组作为一种新型的交通运输方式,给人们出行带来了很多便利。近年来,我国的高铁行业得到迅速的发展,高铁运营总里程已经突破2万公里,高速动车组运行速度也达到300km/h以上。但是随着高速动车组运行速度越来越快,传统的控制方法会存在很多的缺陷,严重影响了高速动车组运行的安全与效率。因此,为了高速动车组能够安全、高效的运行,需要研究符合高速动车组运行的新的建模与控制方法。高速动车组的运行环境是极其复杂的,运行过程包含许多随机、未知的状态。因此,高速动车组的建模与优化控制方法比普通中低速列车的建模与优化控制方法要复杂,普通中低速列车的建模与优化控制方法无法满足高速动车组的运行要求。针对高速动车组的运行环境具有复杂、多变的特点,本文提出对高速动车组的运行过程采用多模型的方法来建立其动力学模型,运用隐式广义预测控制方法实现高速动车组速度跟踪控制。具体研究如下:1、高速动车组的运行过程具有很强的非线性,并且高速动车组运行过程的速度越快,非线性特性就会越明显,这就要求高速动车组的建模与优化控制方法更加精确。首先将现场采集的cRH380AL型高速动车组在徐州东—滕州东的实际运行数据,经过处理后按照牵引力和制动力分成牵引和制动两部分;然后利用模糊c均值聚类算法结合DB聚类指标确定牵引模型和制动模型的个数,采用递推最小二乘法辨识每个牵引和制动的子模型建立牵引和制动模型;最后通过数据验证所建立的模型是合理的。2、由于普通的广义预测控制算法其算法本身比较复杂,计算量较大。本文设计隐式广义预测控制器对高速动车组的实际运行过程进行控制。该算法可以直接辨识控制率中的参数,从而避免求解Diophantine方程,大大简化了计算量,节约了运算时间。3、以cRH380AL型高速动车组为研究对象,运用本文提出的建模与控制方法实现高速动车组的速度跟踪控制,并对该方法进行仿真验证。文末的仿真结果表明,该方法能够实现高速动车组输出速度很好地跟踪给定的目标速度,速度误差在允许的范围内,且满足限速条件,实现了高速动车组的安全、正点、舒适和高效运行。

关键词：高速动车组多模型隐式广义预测控制模糊c均值聚类算法

来源：评论

学校读者我要写书评

暂无评论

面向复杂化工领域的RBF神经网络建模方法研究与应用

面向复杂化工领域的RBF神经网络建模方法研究与应用

引用

作者：秦琳北京化工大学

学位级别：硕士

随着计算机技术的快速发展,各种人工智能方法(专家系统、遗传算法、神经网络等)被广泛应用于生产过程的数据建模分析与优化,并且取得了良好的应用效果。其中,径向基函数(Radial Basis Function,RBF)神经网络是一种学习性能优良的单隐含... 详细信息

随着计算机技术的快速发展,各种人工智能方法(专家系统、遗传算法、神经网络等)被广泛应用于生产过程的数据建模分析与优化,并且取得了良好的应用效果。其中,径向基函数(Radial Basis Function,RBF)神经网络是一种学习性能优良的单隐含层前馈神经网络,具有训练速度快,全局逼近性能最佳等优点。然而,由于复杂工业数据具有维度高、耦合强、包含大量冗余信息等特点,导致了 RBF神经网络对其生产过程建模复杂,无法准确预测其生产状况,需要人为提取原始数据的特征作为网络输入数据,来提高RBF神经网络对复杂工业数据的建模能力。但当原始输入数据不易做人为提取或人为提取的效果难以保证的时候,需要改变预测或分类模型的结构,例如增加隐含层层数,构建深度网络结构。因此,本文针对不同的任务要求和不同类型的原始输入数据,提出两种不同角度的改进方式来提高RBF神经网络的学习性能。主要研究内容如下:1.针对普通RBF神经网络对维度高、耦合强、包含大量冗余信息的工业数据建模困难的问题,结合模糊c均值(Fuzzy c-means algorithm,FcM)聚类算法,提出一种基于摘权的层次分析法(Analytic Hierarchy Process,AHP)(FAHP)。首先利用FcM算法对高维数据的输入属性进行聚类,然后利用基于熵权的数据驱动型AHP算法对具有较高相似度的输入属性进行数据融合,过滤冗余信息,实现原始输入数据的特征提取;通过标准数据集(University of california Irvine,UcI)验证 FAHP 算法对提高RBF神经网络建模精度的可行性与有效性;2.针对不易或者是不适合用FAHP算法做处理的原始输入数据建模时,需要以其他方式来提取特征,简化网络学习过程。通常,可以通过改变神经网络模型结构,例如增加隐含层层数的方法来实现数据的特征提取。相比于单隐含层神经网络,具有多层隐含层的深度神经网络对数据的刻画能力更强,但是随着网络结构的深入,利用传统神经网络的学习机制来训练网络会越发困难,很有可能出现“梯度消失”的问题。针对这一难题,本文借鉴深度学习的训练思想,尝试使用基于RBF的特征提取模块来构建多层学习结构,实现对输入信息的特征学习与高级表示;完成深度RBF(DRBF)神经网络模型的构建,并详细阐述该网络模型的训练步骤。通过UcI标准数据集的实验验证DRBF网络模型的可行性与有效性;3.将FAHP-RBF、DRBF两种预测模型应用于复杂化工领域不同行业(乙烯工业与精对苯二甲酸(PTA)工业)的生产预测以及生产装置运行水平分析中,从预测精度、建模所需时间等不同角度分析上述两种建模方法的特点以及适用场景;并设计构建基于B/S架构的Web原型系统-复杂化工生产状况分析原型系统。

关键词：径向基函数神经网络模糊c均值聚类算法层次分析法深度学习预测建模

来源：评论

学校读者我要写书评

暂无评论

GIS局部放电脉冲分类特征提取算法

引用

电工技术学报 2016年第9期31卷 181-188页

作者：鲍永胜郝峰杰徐建忠张远航国网宁夏电力公司银川供电公司银川750001 国网天津市电力公司检修公司天津300232 国网宁夏电力公司检修公司银川750001

传统的基于局部放电脉冲时频信息构建的局部放电脉冲群分类谱图,多数只能提取表征局部放电脉冲波形特征的低维特征量。当分类算法需要更多的特征量来完成对放电脉冲群的分类工作时,采用上述算法则不能有效地完成对局部放电脉冲群的分类... 详细信息

传统的基于局部放电脉冲时频信息构建的局部放电脉冲群分类谱图,多数只能提取表征局部放电脉冲波形特征的低维特征量。当分类算法需要更多的特征量来完成对放电脉冲群的分类工作时,采用上述算法则不能有效地完成对局部放电脉冲群的分类工作。为此提出了采用等效时频熵算法来提取表征局部放电脉冲波形特征的多维特征量,构建放电脉冲群的等效时频熵分类谱图,并与改进的模糊c均值聚类算法相结合实现对不同类型局部放电脉冲群的分类工作。基于气体绝缘组合开关设备(GIS)的实验结果证实了上述方法的有效性和合理性,为研制基于单一人工缺陷模型的局部放电在线监测和识别系统提供了实验和理论依据。

关键词：局部放电模糊c均值聚类算法特征提取在线监测等效时频熵

来源：评论

学校读者我要写书评

暂无评论

基于图像处理的小麦籽粒饱满度检测及品种识别

基于图像处理的小麦籽粒饱满度检测及品种识别

引用

作者：孟惜河北农业大学

学位级别：硕士

人们的日常生活饮食离不开小麦，小麦是我国的主要农作物之一，在国民经济中处于支柱地位。因此，在粮食检测中，利用图像处理技术实现小麦籽粒的饱满度检测和品种识别具有重要的意义。\n 小麦籽粒的饱满度是对小麦籽粒优劣分级的重... 详细信息

人们的日常生活饮食离不开小麦，小麦是我国的主要农作物之一，在国民经济中处于支柱地位。因此，在粮食检测中，利用图像处理技术实现小麦籽粒的饱满度检测和品种识别具有重要的意义。\n 小麦籽粒的饱满度是对小麦籽粒优劣分级的重要指标，是育种学家们必须要考察的一个项目。同时，它还反映了小麦籽粒的商用价值以及小麦生产的重量。小麦籽粒的饱满度还影响着小麦的品质，是研究小麦的遗传特性、生理特性、改良特性的重要前提。人们大都通过小麦籽粒的大小、千粒重等来主观的判定籽粒的饱满程度，没有一个定量的科学标准，因此，定量的描述小麦籽粒饱满度等级具有重要的意义。\n 传统的小麦籽粒品种识别大都通过人工视觉方法，这需要大量的人工劳动并且费时费力且准确度不高，利用图像处理技术能够实现快速、高准确度的小麦品种分类，既代替了人工劳动又提高了效率。\n 本文选取了河北农大825、7069、6425、2063、6049、6119共6个品种作为研究对象，将扫描仪与电脑连接后得到小麦籽粒图片，选取最适合的算法对图片进行预处理后得到质量高的小麦籽粒轮廓图像，进而利用图像处理技术，提取了小麦籽粒的形态参数（如面积、周长、伸长度等）、颜色参数（R、G、B、H、S、I方差和均值）、纹理参数（如能量、熵等）共23个特征值。\n 在小麦籽粒饱满度检测中，利用模糊c均值聚类(FcM)算法实现了小麦籽粒饱满度的分类，分为饱满、半饱满和秕三类，构建了分级模型。实验表明，河农825和河农7069具有相似的饱满度等级，其余四个品种相似。\n 在小麦籽粒品种识别中，本文首先利用BP神经网络对单个品种的小麦进行识别具有非常好的识别效果，其中7069品种达到了100％。其次研究了一次性识别多类小麦品种，并结合主成分分析(PcA)法降维，平均识别率为90.5％。最后，为了避免神经网络的局限性，提高小麦品种的识别率，利用粒子群算法(PSO)优化网络权值参数。对3个参数的组合识别准确率增加至94.8％，达到了更加理想的分类效果。

关键词：小麦籽粒饱满度检测品种识别图像处理模糊c均值聚类算法神经网络粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于特征优化与混合核函数SVM的蓄电池SOH监测系统

基于特征优化与混合核函数SVM的蓄电池SOH监测系统

引用

作者：刘微华中师范大学

学位级别：硕士

近年来,铅酸蓄电池作为主要的储能设备,其使用范围由航空航海、交通运输、军事通信、电力系统等逐渐进入人们生活中的方方面面。因此,蓄电池的健康状态(State Of Healthy,即SOH)受到越来越多的关注。但由于铅酸蓄电池老化程度受诸多因... 详细信息

近年来,铅酸蓄电池作为主要的储能设备,其使用范围由航空航海、交通运输、军事通信、电力系统等逐渐进入人们生活中的方方面面。因此,蓄电池的健康状态(State Of Healthy,即SOH)受到越来越多的关注。但由于铅酸蓄电池老化程度受诸多因素影响,且蓄电池老化实验受完全充放电时间和样本数量限制,使得基于小样本的具有代表性的特征集的选择在蓄电池SOH预测中显得尤为重要。因此基于对蓄电池放电特性的分析,提出了基于无监督的AccA-FcM (Ant colony clustering Algorithm-Fuzzy c-Means Algorithm)和有监督的 SVM-RFE (Support Vector Machine-Recursive Feature Elimination)相结合的蓄电池SOH特征选择算法。该算法利用改进的蚁群算法(Ant colony clustering Algorithm,即AccA)从全局特征集中选取有效的特征值聚类中心,克服模糊c均值聚类算法(Fuzzy c-Means Algorithm,即FcM)聚类中心敏感和局部最优问题,并根据特征之间相关性排除冗余特征,再通过SVM-RFE特征排序算法剔除非关键干扰(低预测性)特征,最终得到最优特征子集,且在保证精度的前提下,避开了完全放电过程。利用放电初期特征构成的最优特征子集训练基于支持向量机(Support Vector Machine,即SVM)的蓄电池SOH预测模型,为提高SOH预测准确度,对SVM的核函数进行了优化。将分类能力较强的径向基(Radial Basis Function,即RBF)局部核函数与典型全局核函数多项式核函数相结合,使得混合核函数SVM模型兼顾分类能力和泛化能力。并引入网格搜索算法,基于十折交叉验证对混合核函数SVM模型参数进行优化,找到使模型分类准确率最高的全局最优参数,得到基于混合核函数SVM的铅酸蓄电池SOH预测模型。最后在蓄电池无线监测平台实时获取底层硬件平台发送的电压、温度、电流等数据信息,在Android端实现动态显示以及过充、过放、高温、老化等故障预警,并与服务器上MySQL数据库进行数据转存。基于Matlab与MySQL数据库的JDBc(Java Data Base connectivity)连接,实现蓄电池放电数据的读取,在Matlab上完成算法分析及混合核函数SVM预测模型的训练,并将最优特征子集和SOH的预测结果回存到MySQL数据库。最终实现整套功能完善、预测准确的蓄电池SOH监测系统,为蓄电池健康状态提供可靠依据和准确监测。本论文主要工作如下:(1)改进的AccA-FcM和SVM-RFE联合特征选择算法,实现有监督聚类算法与无监督特征选择算法的优势互补,完成了蓄电池放电过程的最优特征子集选择;(2)对混合核函数SVM的参数进行了优化,实现了RBF核函数与多项式核函数的线性结合,形成混合核函数,并利用网格搜索算法对混合核函数SVM模型进行参数优化;(3)搭建了 Matlab模拟测试平台,对提出的基于特征优化和混合核函数SVM的SOH预测算法进行了实验验证;(4)实现了铅酸蓄电池SOH监测系统,完成了对蓄电池的实时数据采集、显示、存储和SOH预测。

关键词：特征选择蚁群聚类算法模糊c均值聚类算法 SVM-RFE 混合核函数

来源：评论

学校读者我要写书评

暂无评论

基于FcM-LSSVM-GSA空调负荷预测

引用

计算机与应用化学 2017年第10期34卷 787-795页

作者：赵超郑守锦福州大学石油化工学院福建福州350108

准确、快速的空调负荷预测是实现空调系统经济运行的基础。为提高空调负荷预测模型的精度以及稳定性,本文提出了一种基于FcM-LSSVM-GSA空调负荷预测方法。根据数据的相似统计分布特征,利用模糊c均值聚类算法(FcM)将历史负荷数据划分成... 详细信息

准确、快速的空调负荷预测是实现空调系统经济运行的基础。为提高空调负荷预测模型的精度以及稳定性,本文提出了一种基于FcM-LSSVM-GSA空调负荷预测方法。根据数据的相似统计分布特征,利用模糊c均值聚类算法(FcM)将历史负荷数据划分成多个簇类,以降低样本数据中相关噪声对建模精度的影响;并根据每个簇类的训练和测试数据集建立相应的最小二乘支持向量机预测模型(LSSVM);通过引入万有引力搜索算法(GSA)优化LSSVM的模型参数,以避免人为选择的盲目性,从而提高模型的预测精度。基于DeST平台模拟数据,将FcM-LSSVM-GSA模型运用于南方某办公大楼的逐时空调负荷预测。通过对比均方根误差(RMSE)和平均绝对百分误差(MAPE),结果表明该模型的预测精度明显优于传统LSSVM模型和简单FcM-LSSVM模型。

关键词：空调负荷预测最小二乘支持向量机模糊c均值聚类算法万有引力搜索算法

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：