检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

58 篇 期刊文献
22 篇 学位论文

馆藏范围

80 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

75 篇 工学
- 42 篇 计算机科学与技术...
- 37 篇 软件工程
- 27 篇 控制科学与工程
- 10 篇 机械工程
- 7 篇 电气工程
- 7 篇 交通运输工程
- 6 篇 信息与通信工程
- 5 篇 航空宇航科学与技...
- 4 篇 仪器科学与技术
- 4 篇 土木工程
- 3 篇 动力工程及工程热...
- 3 篇 电子科学与技术（可...
- 3 篇 水利工程
- 3 篇 化学工程与技术
- 3 篇 安全科学与工程
- 2 篇 矿业工程
- 2 篇 兵器科学与技术
- 2 篇 环境科学与工程（可...
- 2 篇 食品科学与工程（可...
- 1 篇 力学（可授工学、理...
28 篇 管理学
- 26 篇 管理科学与工程(可...
- 2 篇 公共管理
4 篇 理学
- 2 篇 化学
- 1 篇 数学
- 1 篇 统计学（可授理学、...
3 篇 经济学
- 3 篇 应用经济学
3 篇 农学
3 篇 医学
- 3 篇 临床医学
1 篇 法学
- 1 篇 公安学
1 篇 教育学
- 1 篇 教育学
1 篇 军事学
1 篇 艺术学

主题

80 篇 樽海鞘算法
10 篇 支持向量机
5 篇 bp神经网络
4 篇 极限学习机
4 篇 自适应
3 篇 特征选择
3 篇 微电网
2 篇 多维尺度缩放法
2 篇 反向学习策略
2 篇 佳点集
2 篇 路径规划
2 篇 差分进化算法
2 篇 预测模型
2 篇 支持向量回归
2 篇 近红外光谱
2 篇 粒子群算法
2 篇 故障诊断
2 篇 全局最优
2 篇 优化调度
2 篇 神经网络

机构

3 篇 上海理工大学
3 篇 成都理工大学
2 篇 沈阳航空航天大学
2 篇 江西理工大学
2 篇 广西大学
2 篇 辽宁师范大学
2 篇 黑龙江大学
2 篇 沈阳工程学院
2 篇 河北工业大学
2 篇 郑州轻工业大学
2 篇 武汉大学
2 篇 北京建筑大学
2 篇 河北地质大学
2 篇 燕山大学
2 篇 辽宁工程技术大学
1 篇 苏州科技大学
1 篇 安阳工学院
1 篇 大连理工大学
1 篇 暨南大学
1 篇 淮安市第四人民医...

作者

3 篇 杨兴
2 篇 李端洋
2 篇 yang xing
2 篇 杨琛
2 篇 蔺晓雨
2 篇 马良
2 篇 张惠珍
2 篇 wang chao
2 篇 王原
2 篇 蒋美琪
2 篇 何俊隆
2 篇 韩雨晴
2 篇 li qi
2 篇 王壮
2 篇 李琦
2 篇 顾丽丽
1 篇 杨巧琳
1 篇 deng jianhui
1 篇 李铮
1 篇 chen lilin

语言

80 篇 中文

检索条件"主题词=樽海鞘算法"

共 80 条记录，以下是61-70 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于数据驱动的铝电解过程关键参数优化方法研究

基于数据驱动的铝电解过程关键参数优化方法研究

引用

作者：何俊隆广西大学

学位级别：硕士

铝电解工业属于复杂高能耗的流程工业,面对当前严峻的能源形势,节能降耗已成为其首要目标。铝电解生产过程稳定高效运行的关键在于保证铝电解槽的正常运行,也是企业实现经济效益和节能降耗的基础。由于铝电解生产过程具有非线性、多变... 详细信息

铝电解工业属于复杂高能耗的流程工业,面对当前严峻的能源形势,节能降耗已成为其首要目标。铝电解生产过程稳定高效运行的关键在于保证铝电解槽的正常运行,也是企业实现经济效益和节能降耗的基础。由于铝电解生产过程具有非线性、多变量、大时滞的特点,导致传统的方法难以建立精确的数学模型和实现过程优化控制。因此以铝电解过程为研究背景,对不同的槽状态类别,采取相应的优化措施,这对于稳定铝电解工业生产,降低铝的生产成本,达到节能降耗的目的具有重要意义。本文针对铝电解生产过程,采用数据驱动建模方法和智能优化算法,对电解槽状态进行综合评判及铝电解过程关键参数的优化进行研究,取得了一定的研究成果。本文的主要研究内容如下:(1)首先对铝电解槽的结构进行描述,分析铝电解生产过程工艺机理以及铝电解关键参数,并确定铝电解生产过程的控制目标。对铝电解数据进行归一化处理,从而消除由于量纲不同导致数据分析减弱的问题。(2)为了解决铝电解过程关键参数难以准确测量的问题,提出一种基于改进最小二乘孪生支持向量回归机的铝电解关键参数预测模型。通过机理分析与灰色关联度分析结合的方法,确定预测模型的输入变量,采用最小二乘孪生支持向量回归机建立电流效率和直流电耗预测模型,并采用量子混沌樽海鞘算法优化模型结构参数。仿真实验结果表明,建立的模型具有较高的预测精度,能够满足铝电解实际软测量的需要,为铝电解过程实现多目标优化提供了基础。(3)当铝电解槽处于不同的槽状态时,在槽控系统中需要采取不同的控制策略。通过对电解槽状态进行关联参数分析,将电解质温度作为评估槽状态优劣的性能指标。本文提出了一种改进的槽状态评判模型。该模型采用卷积神经网络提取铝电解槽状态深层特征,然后将提取到的深层特征输入到量子混沌樽海鞘算法优化鲁棒能量模型最小二乘孪生支持向量机进行槽状态评判,利用实际的生产数据进行验证,仿真结果表明,本文所建立的槽状态评判模型具有较高的分类精度,从而可以对槽状态进行准确判断,有利于应对不同的槽状态采取不同的生产措施。当电解槽处于差槽时,采取溯因分析的方法,并给出相应措施,使其恢复到良槽或者优槽。(4)当槽状态评判为良槽或优槽时,为了达到节能降耗的优化目标,在关键参数预测模型的基础上,以铝电解电流效率最大,直流电耗最小为优化目标,铝电解过程参数为约束条件,建立多目标优化控制模型。采用第三代非支配排序遗传算法求解该模型。仿真结果表明,该优化策略可以保证铝电解槽的稳定运行,并实现铝电解生产优化操作,达到了较好的节能降耗的目的。

关键词：铝电解最小二乘孪生支持向量回归机关键参数预测樽海鞘算法节能降耗

来源：评论

学校读者我要写书评

暂无评论

基于SSA优化算法和灵敏度分析的结构损伤识别

基于SSA优化算法和灵敏度分析的结构损伤识别

引用

作者：王欣儿暨南大学

学位级别：硕士

近些年来,随着国民经济的迅速发展,土木工程建设等大型结构物日益涌现,随之带来的结构因超载、疲劳等因素造成的破坏事件也越来越多。因此,结构健康监测在国家的大力支持下得到了快速发展。结构损伤识别是结构健康监测领域的一个重要环... 详细信息

近些年来,随着国民经济的迅速发展,土木工程建设等大型结构物日益涌现,随之带来的结构因超载、疲劳等因素造成的破坏事件也越来越多。因此,结构健康监测在国家的大力支持下得到了快速发展。结构损伤识别是结构健康监测领域的一个重要环节,受到国内外学者的广泛关注。而群智能算法为结构损伤识别技术提供了一个全新的发展思路。基于群智能算法的结构损伤识别方法具有较好的全局寻优能力、较快的迭代过程,解决了大部分传统优化技术难以解决的高维度、复杂的优化问题。本文利用樽海鞘算法(Salp swarm algorithm,SSA)—在其他领域已获得的成果,将其应用到结构损伤识别中来。同时本文通过选取合适的损伤指标、加权策略构建目标函数以提高识别精度,并结合灵敏度分析提高识别效率,对结构损伤识别进行研究,着重开展以下相关的研究工作:(1)对近年来各类结构损伤识别方法进行综述,可分为确定性和非确定性的结构损伤识别方法两大类,主要有以下几种:基于模型修正的识别方法、基于实测时域信号的识别方法、基于固有频率和振型等的静动力指纹法;非参数系统识别方法、基于概率统计的识别方法等。分别对各类方法进行了简要的阐述和分析。(2)提出了基于CI(Cosine-based indicator)损伤指标和SSA算法的结构损伤识别方法。验证不同损伤指标在噪声影响下的损伤识别精度,相对于传统的MAC(Modal assurance criterion)指标,CI损伤指标对损伤更为敏感。同时,在目标函数中引入加权系数,适当分配频率和振型的占比,使得识别结果更加合理。本章介绍了SSA算法的基本理论和方法,并阐述如何将SSA算法引用到结构损伤识别。通过简支梁、二层刚架两个数值仿真算例对所提方法进行了验证,并与CACO(Continuous ant colony optimization)方法进行了比较。(3)提出了基于灵敏度分析和SSA算法的结构损伤识别方法。该方法首先通过模态分析得到无损结构的频率和振型,分别构建关于频率和振型的灵敏度矩阵;然后利用SSA算法获得结构中损伤折减系数的分布,即樽海鞘的位置信息组成的向量,将相应的灵敏度矩阵给定到具体的樽海鞘位置;最后采用泰勒近似公式逼近损伤振型及频率,并通过求解目标函数得到最后的最优解。为了提高所提新方法的识别精度、噪声鲁棒性以及结果的合理性,在新方法的基础上,推导出高阶灵敏度矩阵并将其应用到结构损伤识别问题中。采用二层刚架数值仿真验证所提方法的可行性和有效性。(4)实验室搭建悬臂梁结构,以验证基于CI损伤指标和SSA算法的结构损伤识别方法。开展试验模态分析获得结构健康状态和损伤状态的频率与振型信息。采用SSA算法对建立的模型有关参数进行修正,以获得最接近于悬臂梁实验结构的有限元模型。采用梁长和梁宽折减的方式进行损伤模拟,通过锤击法获得损伤状态下各阶模态信息,并用所提方法对其进行损伤识别。

关键词：结构损伤识别损伤指标樽海鞘算法灵敏度分析

来源：评论

学校读者我要写书评

暂无评论

面向复杂环境的WSN节点部署研究

面向复杂环境的WSN节点部署研究

引用

作者：杨兴成都理工大学

学位级别：硕士

无线传感网络(Wireless Sensor Networks,WSN)能通过部署在监测区域内的传感器节点实现对区域内信息的感知和传输,而节点的有效部署是提高WSN监测质量的关键。随着WSN的发展,应用场景中所需要的网络规模持续扩大、环境越来越复杂,传统... 详细信息

无线传感网络(Wireless Sensor Networks,WSN)能通过部署在监测区域内的传感器节点实现对区域内信息的感知和传输,而节点的有效部署是提高WSN监测质量的关键。随着WSN的发展,应用场景中所需要的网络规模持续扩大、环境越来越复杂,传统部署方式已不能满足实际的部署需求,如何在复杂环境中采用一种有效的节点部署方法提高网络覆盖率、节约网络运行成本是目前仍需要改善的问题。因而对WSN节点部署方法进行研究具有一定的意义。首先本文对WSN节点部署算法进行了研究,针对樽海鞘算法优化WSN节点部署时,因寻优精度低且易陷入局部最优,而导致节点部署后覆盖率低的问题,提出了一种基于高斯扰动和多项自适应策略改进的樽海鞘算法(Guassion disturbance and adaptive salp swarm algorithm,GASSA)。通过自适应调整樽海鞘算法的结构、引入自适应领导者移动步长、非线性递减的自适应权重值和高斯扰动食物源的策略,使算法能快速收敛到食物源附近,跳出局部最优。将改进的GASSA算法在无障碍环境下,采用布尔感知模型对WSN节点部署进行仿真,与樽海鞘算法进行对比,验证了GASSA算法的优越性。其次针对GASSA算法部署后的WSN节点分布不均匀的问题,进一步在GASSA算法的位置更新过程中引入虚拟力步长因子,提出了一种融合虚拟力步长因子的樽海鞘算法(VGASSA)。并将VGASSA算法在无障碍环境下,采用指数感知模型对WSN节点部署进行仿真,与GASSA算法优化的结果进行对比,VGASSA算法优化后的节点在监测区域内能分布得更加均匀,提高了覆盖率。最后本文设计了模拟的复杂环境和实际存在的复杂环境,验证本文改进的相关算法在不同环境中对WSN节点部署的可行性。针对复杂环境下的WSN节点在部署过程中移动到障碍物区域内,造成WSN节点无法部署的问题,提出了网格近似化处理和节点移动距离最小的策略,使WSN节点在部署过程中能根据网格近似化得到的障碍物区域信息和移动距离最小的原则实现有效部署。在MATLAB中采用更加符合实际部署的概率感知模型,对两种不同复杂环境中的WSN节点部署进行仿真,并将新的覆盖率函数作为目标函数。结果表明,改进的樽海鞘算法均能有效地对两种复杂环境中的WSN节点进行部署。但VGASSA算法更能有效地提高覆盖率,适用性更强,能为WSN节点部署提供一种可行的部署方法。

关键词：无线传感网络节点部署樽海鞘算法虚拟力算法覆盖率

来源：评论

学校读者我要写书评

暂无评论

天然气回收氦气过程控制优化研究

天然气回收氦气过程控制优化研究

引用

作者：张曼玉沈阳工业大学

学位级别：硕士

氦气是一种战略性稀有气体资源,在许多重要领域都有作用,如科学研究、医疗设备、半导体制造等。我国主要从天然气中回收氦气,但由于天然气中氦气含量有限,需要专门的分离提纯工艺得到高纯度氦气,目前现代化提氦工艺已经相当成熟,但实际... 详细信息

氦气是一种战略性稀有气体资源,在许多重要领域都有作用,如科学研究、医疗设备、半导体制造等。我国主要从天然气中回收氦气,但由于天然气中氦气含量有限,需要专门的分离提纯工艺得到高纯度氦气,目前现代化提氦工艺已经相当成熟,但实际的工业生产过程并不是在理想状态下进行的,现场存在许多干扰因素,导致出现氦气回收效率低,生产过程的控制优化是获取最优经济效益的途径,结合目前有关膜分离氦气流程有关控制方案研究较少的发展现状,将天然气回收氦气工艺与自动调节系统联系起来,通过智能化控制手段,以提高氦气回收装置的稳定性及回收效率成为了重要的研究方向。本文针对膜分离耦合电化学氢泵提氦工艺流程存在的工艺运行不稳定、回收效果差等问题,通过分析流程各分离阶段的工艺条件对氦气回收效果的影响,获取了使工艺达到最佳回收率的参数值,结合膜分离器的工作特性,合理利用膜分离两侧分压差,重点设计了膜分离器渗余气流量单闭环比值控制方案,以及膜进料温度、碱液吸收罐液位、电化学氢泵电压控制方案。建立了流量控制阀门、换热器、碱液吸收罐以及DC-DC电源等模块相应的数学模型,应用常规PID控制器对设计的控制方案进行了仿真实现。为克服PID控制器对于非线性、大滞后等控制系统的局限性,结合两种前沿技术,设计了模糊PID控制器及基于樽海鞘算法(SSA)优化的PID控制器对工艺流程进行控制优化,研究结果表明,模糊PID控制器及SSA-PID控制器的控制效果均优于传统PID控制器,其中模糊PID控制器应用到换热器温度控制中超调量更小,调节速度更快,控制效果更好;SSA-PID控制器应用膜分离器流量控制、碱液吸收罐液位控制和电化学氢泵电压控制中调节时间最短,响应速度快,超调量更小等优势,控制效果更好,能够使工艺操作更稳定。

关键词：提氦工艺 PID控制模糊控制樽海鞘算法

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机模型的砂土液化判别和液化侧移预测研究

基于支持向量机模型的砂土液化判别和液化侧移预测研究

引用

作者：杨琛江西理工大学

学位级别：硕士

由地震所引起的砂土液化给人类带来的灾难是巨大的,作为液化过程中普遍存在的破坏类型之一,液化侧移会对建筑物结构造成灾难性的破坏,因此对场地进行砂土液化判别和液化侧移预测是极其必要的,关乎着人民的生命财产安全。目前,国内外对... 详细信息

由地震所引起的砂土液化给人类带来的灾难是巨大的,作为液化过程中普遍存在的破坏类型之一,液化侧移会对建筑物结构造成灾难性的破坏,因此对场地进行砂土液化判别和液化侧移预测是极其必要的,关乎着人民的生命财产安全。目前,国内外对液化判别和液化侧移预测问题的处理方法主要是现场进行原位试验,再根据液化场地的资料经统计分析后得出经验规律,最后利用经验公式做出预测。地震砂土液化是非常复杂的过程,涵盖了众多影响因素,且呈现出高度非线性的关系,因此仅凭经验公式越来越不能满足人们对于更高效、更精确地预测的需求。支持向量机作为最经典的智能算法之一,常用于分类和回归等数据处理问题,特别是其善于处理高维度、非线性问题,并且具有高效的小样本学习能力,这使得其在各行领域都有非常广泛的运用。鉴于此,本文将其运用于砂土液化判别和液化侧移预测中。主要研究内容和结论如下:(1)通过阅读国内外文献,综述国内外关于液化判别和液化侧移预测的经验方法,从多个角度将其进行对比分析,确立出Seed简化法和多元线性回归法作为对照方法的同时,也为本文所提出的支持向量机模型进行了理论上的铺垫。(2)考虑了十二个参数因素,运用华罗庚佳点集将上佳点映射到目标求解空间,建立起一种基于樽海鞘算法的支持向量机预测模型,之后又利用随机森林的变量重要性评分功能,筛选了重要性前八的参数,并再次进行判别,获得了精度更高的预测结果,并将其与传统的Seed简化法进行对比,研究表明:本文所提出的液化判别模型融合了中美SPT方法各自的优点,不仅涵盖了更多液化影响因素,同时也可以高效筛选出实际非液化的情况,且精度满足实际工程的需求。(3)运用支持向量机模型,从地形、地震和土壤三个方面共八个因素来对地震所引起的液化侧移进行预测估计,并将本文预测结果与传统的多元线性回归和若干神经网络方法预测结果做了对比分析,研究结果显示:RF-SSA-SVR模型预测的结果误差最小、拟合程度最高,验证了本文方法的准确性和可靠性。(4)搜集选用了日本1964新泻地震、1968十胜地震和1978宫城县地震的实测数据,以及江苏宿迁某高速路场地抗震设防烈度下的液化数据和2011新西兰Darfiled地震现场实测数据作为本文方法的验证数据,进一步验证其实用性。结果显示:本文方法的预测结果与实测数据较为接近,能够胜任实际工程所需,同时也为后续进一步研究提供了新的思路。

关键词：液化判别液化侧移预测支持向量机樽海鞘算法

来源：评论

学校读者我要写书评

暂无评论

基于广义回归神经网络的温室番茄施肥量调控研究与应用

基于广义回归神经网络的温室番茄施肥量调控研究与应用

引用

作者：顾丽丽黑龙江大学

学位级别：硕士

温室番茄是常见的温室茄果类蔬菜作物,如何进行精准施肥,以此提高产量及果实品质是待解决的问题。目前温室番茄的施肥主要依靠农户经验进行,不仅无法促进产量增长而且还会造成资源浪费,针对这个问题,本文提出一种施肥量调控模型,实现对... 详细信息

温室番茄是常见的温室茄果类蔬菜作物,如何进行精准施肥,以此提高产量及果实品质是待解决的问题。目前温室番茄的施肥主要依靠农户经验进行,不仅无法促进产量增长而且还会造成资源浪费,针对这个问题,本文提出一种施肥量调控模型,实现对温室番茄施肥量的精准调控。本文从产量预测和施肥量调控两方面展开研究。在构建预测模型阶段,提出一种基于改进樽海鞘算法的广义回归神经网络构建番茄产量预测模型。在施肥量调控阶段,针对粒子群算法的缺陷,提出一种改进的粒子群算法,再以产量预测模型为目标函数,利用改进的粒子群算法对产量进行迭代寻优,获取不同温度、湿度、光照强度及二氧化碳浓度耦合条件下的施肥量目标值。以仿真验证本文提出算法的有效性,在构建番茄产量预测模型时,相较于广义回归神经网络和原樽海鞘算法优化的广义回归神经网络,本文提出的算法具有更高的预测精度且收敛速度更快。在构建施肥量调控模型时,相较于现有的几种粒子群算法,本文提出的改进粒子群算法寻优精度更高,收敛速度更快,能快速、平稳地求解出最优施肥量。通过实际验证,本文提出的施肥量调控模型使得80.5%的试验田产量增高,而有69.4%的试验田的施肥量有所降低,证明了本文提出的施肥量调控模型的优越性,可以进行实际应用。

关键词：施肥量调控产量预测广义回归神经网络樽海鞘算法粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于群智能优化算法的食管鳞癌风险评估和生存预后分析

基于群智能优化算法的食管鳞癌风险评估和生存预后分析

引用

作者：梁恩豪郑州轻工业大学

学位级别：硕士

食管鳞癌(Esophageal Squamous Cell Carcinoma,ESCC)是一种常见的恶性肿瘤。本文以基于机器学习和群优化的ESCC生存水平预测为研究方向,重点放在建立模型和改进/混合群优化算法使其具有较高的收敛性,该方法通过大量的迭代次数来实现较... 详细信息

食管鳞癌(Esophageal Squamous Cell Carcinoma,ESCC)是一种常见的恶性肿瘤。本文以基于机器学习和群优化的ESCC生存水平预测为研究方向,重点放在建立模型和改进/混合群优化算法使其具有较高的收敛性,该方法通过大量的迭代次数来实现较高的精度。本文主要研究工作和创新点描述如下:针对预测术后患者5年生存率和总生存率精度低的问题,提出了基于自适应Lasso和受试者操作特征(Relative Operating Characteristic,ROC)曲线的ESCC风险模型。使用自适应Lasso筛选ESCC患者血液数据的重要变量,用Cox回归分析建立模型,用ROC曲线评价模型。使用卡方检验得出INR与分化程度、浸润程度及淋巴结转移显著相关。通过INR、分化程度、浸润程度及淋巴结转移4个因素构建得到的风险模型。针对ESCC患者血液数据冗余导致预测模型精度低的问题,采用单因素Cox回归分析对血液指标进行分析,筛选出影响患者生存或死亡的因素。针对BP预测网络收敛精度低、易陷入局部最优的问题,将改进的自适应樽海鞘群算法(Adaptive Salp Swarm Algorithm,ASSA)与反向传播(Back Propagation,BP)神经网络相结合。ASSA-BP模型能更有效地预测ESCC患者的生存时间,缩短了训练时间,提高了预测精度。针对BP神经网络预测ESCC患者收敛精度低的问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)和改进蚁狮优化算法(Improved Ant Lion Optimization,IALO)优化BP神经网络的ESCC患者生存水平预测综合模型。使用主成分分析是为了降低数据维度,ALO算法中引入了变异算子,可以增强种群的多样性,提高ALO算法的全局搜索能力,避免ALO算法陷入局部最优。针对ESCC患者血液数据不稳定和BP神经网络训练误差不稳定的问题,提出了一种Kaplan-Meier-灰狼优化算法-BP神经网络预测模型(Kaplan-Meier-Grey Wolf Optimization-Back Propagation,K-M-GWO-BP)。采用K-M分析筛选与患者生存水平高度相关的血液因素,简化网络结构。使用GWO优化了BP神经网络的权值和阈值,提出了一种K-M-GWO-BP神经网络模型,提高了ESCC患者生存水平的预测精度。本文以ESCC患者的血液数据为基本,构建了基于自适应Lasso和ROC曲线的ESCC风险模型、基于单变量分析和ASSA-BP神经网络的ESCC患者生存期预测、基于PCA和IALO优化BP神经网络的ESCC患者生存水平预测综合模型、基于K-M-GWO-BP的ESCC术后生存水平预测模型。

关键词：食管鳞癌受试者操作特征曲线 Cox回归分析樽海鞘算法蚁狮优化算法灰狼优化算法

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘支持向量机的高拱坝结构健康监测

基于最小二乘支持向量机的高拱坝结构健康监测

引用

作者：李卓（Ali Zar）大连理工大学

学位级别：硕士

中国已经建成了多座混凝土高拱坝,出于安全原因,它们需要有效的技术指标,具有可靠的规格和标准。整体稳定性问题十分突出,特殊荷载、极端天气等各种不利因素都会影响大坝的动态性能,可能引起大坝运行问题。因此,混凝土坝的健康监测需要... 详细信息

中国已经建成了多座混凝土高拱坝,出于安全原因,它们需要有效的技术指标,具有可靠的规格和标准。整体稳定性问题十分突出,特殊荷载、极端天气等各种不利因素都会影响大坝的动态性能,可能引起大坝运行问题。因此,混凝土坝的健康监测需要持续可靠的研究。变形对高拱坝工作性能的影响会引起严重的问题。根据以前的工程经验,工程问题经常出现在蓄水的早期阶段。适用于高拱坝初期的位移监测模型(DMM)的研究具有重要的理论意义和实践价值。另一方面,更直观的效应量之一是设计参数和材料特性的变化对高拱坝工作性能的影响。确保高拱坝安全运行的最重要方法之一是对其行为进行基于振动的研究,并开发损坏检测模型(DDM)。根据以前的工程经验,工程问题经常出现在高地震活动或严重洪水之后以及蓄水的早期阶段,这些洪水会在大坝部分留下内部损坏并改变其性质。使用振动响应进行损伤检测的研究适用于任何阶段的高拱坝,以观察其动态行为和材料特性,并具有理论和实践意义。本研究工作第一部分基于蓄水初期实际监测数据,对超高拱坝的DMM进行研究。对近年来超高拱坝的安全监测结果进行了梳理,并介绍了多元回归(MLR)分析、径向基函数(RBF)神经网络和最小二乘支持向量机(LS-SVM)等不同的分析方法,包括其原理和结果评价标准。总结了超高拱坝DMM的建模步骤和实施方法。基于MLR分析以及RBF神经网络(NN)和元启发式机器学习(ML)技术(LS-SVM)的统计回归分析,用于在蓄水初始阶段建立高拱坝的DMM。此外,还比较了静水-温度-时间(HTT)模型和静水季节-时间(HST)模型的性能。第二部分,为确定混凝土拱坝不同部位的损伤及其动态参数,提出一种基于代理模型和优化算法的混合反演方法,并进行模型参数反演。在这种方法中,LS-SVM和RBF神经网络被用作代理模型,以比较这些用于检测损伤的新技术的性能。代理模型用于代替有限元模型执行有限元(FE)分析。为了生成代理模型的样本点,使用了拉丁超立方体抽样(LHS)。针对动态参数反演分析,研究了粒子群优化算法(PSO)、Jaya、遗传算法(GA)和樽海鞘群智能算法(SSA)等多种元启发式优化算法,以优化目标函数。考虑了双曲混凝土拱坝的不同损伤情景,验证了所提出方法的性能和可行性.结果表明;(1)与传统的MLR分析和RBF-NN模型相比,基于LS-SVM的模型在蓄水初期超高拱坝位移监测模型中具有更高的训练和预测精度。(2)为了提高NN和ML方法的性能,应探索超参数值。(3)实测温度能反映不稳定温度场对蓄水初期大坝位移的影响,能达到比季节性温度模型更好的性能。(4)LS-SVM作为一种强大的ML技术,与RBF相比,可以准确地表示动态弹性模量(DEM)与模态参数之间的关系。(5)LS-SVM模型与RBF模型相比,LS-SVM模型的损伤识别过程更准确,并且识别过程更快一些。(6)与其他算法相比,SSA可以更好的解决参数识别问题,并且在两种情况下都与两种代理模型一起表现良好。(7)当将噪声添加到振动响应中时,LS-SVM模型在这两种情况下的损伤检测中都表现良好,这表明LS-SVM方法更可靠。SSA优于其他新颖的优化算法,建议在实际过程中使用所提出的混合模型。(8)选择更多的传感器点来获得振动响应会对预测材料性能变化的准确性产生影响。(9)与有限元相比,基于LS-SVM的代理模型具有巨大的计算效率优势,误差可以忽略不计。删掉“结果表明”在处理复杂的民用基础设施安全监测问题时,LS-SVM是更可靠的修改为“预报建模与损伤诊断方法”。

关键词：位移监测模型损伤检测模型拱坝最小二乘支持向量机樽海鞘算法

来源：评论

学校读者我要写书评

暂无评论

基于深度自编码神经网络的滚动轴承故障识别研究

基于深度自编码神经网络的滚动轴承故障识别研究

引用

作者：李琦重庆邮电大学

学位级别：硕士

随着科技的迅猛发展,机械设备的自动化程度逐渐增高,同时机械系统也变得越来越复杂。如果系统中某一零部件发生故障,极易引发连锁反应,造成其它零部件的损伤,这给故障诊断带来了巨大的挑战。滚动轴承是旋转机械必不可少的一类零件,对旋... 详细信息

随着科技的迅猛发展,机械设备的自动化程度逐渐增高,同时机械系统也变得越来越复杂。如果系统中某一零部件发生故障,极易引发连锁反应,造成其它零部件的损伤,这给故障诊断带来了巨大的挑战。滚动轴承是旋转机械必不可少的一类零件,对旋转机械的正常运行起着至关重要的作用。由于工作环境潮湿且长期处于高负载、高速旋转的工作状态,滚动轴承也是极易损坏的零部件,因此,研究高效的滚动轴承智能故障诊断方法具有非常重要的工程价值。深度学习具备强大的自学习能力,近年来逐渐在故障诊断领域得到应用。但滚动轴承的工作环境极为复杂,振动信号与大量的噪声信号混叠在一起,导致深度学习在轴承故障诊断中的实际应用较为困难。噪声的存在加大了滚动轴承故障特征提取的难度、降低了故障识别准确率。为解决这一问题,本文做了如下工作: 首先,将full卷积和池化思想融入自编码器,设计了用于无监督故障特征提取的全卷积自编码器(Full Convolutional Autoencoder,FCAE);采用费舍尔准则筛选出区分性好的故障特征,降低特征维数;为防止樽海鞘算法陷入局部极值,改进了算法的位置更新公式,并将改进算法优化的支持向量机(Support Vector Machine,SVM)作为滚动轴承故障诊断的分类器。实验结果表明,FCAE所提取的故障特征质量更高、更具有代表性,不加噪声时,故障识别率能达到99.5%,信噪比为-2d B时,故障识别率为87%。然后,设计了监督全卷积自编码器(Supervised Full Convolutional Autoencoder,SFCAE)。由于信噪比较低时,FCAE的故障诊断效果显著下降。为提高噪声环境下的滚动轴承故障识别效果,在FCAE的解码阶段加入softmax分类层,提出了SFCAE,使网络所提取的特征更有益于分类任务。使用多个SFCAE堆叠构建了堆叠监督全卷积自编码网络(Stacked Supervised Full Convolutional Autoencoder,SSFCAE)。在信噪比为-2d B时,SSFCAE的故障识别率能达到94.5%。最后,以SSFCAE为基分类器进行算法集成。对训练数据集进行多次随机抽样,构建不同的训练数据子集;使用训练数据子集分别训练不同激活函数的SSFCAE网络,激活函数不同,SSFCAE提取的故障特征也有所不同;设计了基于G均值的加权集成策略对不同激活函数的SSFCAE进行集成,从而得到最终的故障诊断结果。通过算法集成,在信噪比为-2d B时,故障识别率进一步提升到97.25%。

关键词：滚动轴承故障诊断全卷积自编码器樽海鞘算法集成学习

来源：评论

学校读者我要写书评

暂无评论

极限学习机在无源定位技术中的应用研究

极限学习机在无源定位技术中的应用研究

引用

作者：张雨江南大学

学位级别：硕士

现今,二十一世纪战场已经脱离大规模人力斗争,现代化电子对抗技术不断发展走向成熟,获取敌方的目标位置成为掌握战场主动权的关键,因此无源定位成为电子对抗领域内最重要的技术之一。无源定位摆脱了需要进行电磁信号发射的限制,同时能... 详细信息

现今,二十一世纪战场已经脱离大规模人力斗争,现代化电子对抗技术不断发展走向成熟,获取敌方的目标位置成为掌握战场主动权的关键,因此无源定位成为电子对抗领域内最重要的技术之一。无源定位摆脱了需要进行电磁信号发射的限制,同时能够避免被敌方探测到所在位置,在面对敌方干扰时更加稳定和可靠,保障了系统的安全性,但是系统需要进行复杂的计算才能获取敌方目标位置。基于前馈神经网络的极限学习机在面对非线性特征关系时有较好的效果,适合处理目标经纬度位置和接收设备测量得到的数据之间较为复杂的非线性拟合问题。本文以无源定位为研究对象,为了解决无源定位计算复杂,定位精度较差的问题,通过建立测向定位(Angle of Arrival,AOA)、时差定位(Time-Difference of Arrival,TDOA)和测向时差融合定位(Time-Difference of Arrival/Angle of Arrival,TDOA/AOA)与探测目标的经纬度之间的非线性映射关系实现对目标定位。具体研究内容如下:(1)在基于AOA无源定位中,针对AOA无源定位中定位误差大、容易受测量误差影响的问题,引入了核极限学习机,在提出一个基于蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)的定位模型。由于蝴蝶优化算法定位模型对比其他定位模型解决AOA无源定位问题效果较好,该模型使用改进后的蝴蝶优化算法优化KELM的核参数和惩罚系数,寻优后的KELM能够更好地通过核函数将输入空间转换为高维特征空间。结果表明,改进后的KELM的定位模型利用AOA信息预测的目标位置与真实位置十分接近,对比极限学习机(Extreme Learning Machine,ELM)的定位模型和其他的KELM的定位模型定位精度更高。(2)在基于TDOA无源定位中,为了解决传统TDOA无源定位计算复杂、速度慢和容易出现门限效应的问题,将深度学习思想引入到极限学习机中,建立基于黑猩猩优化算法(Chimp optimization algorithm,Ch OA)改进深度极限学习机(Deep Extreme Learning Machine,DELM)的定位模型。因为黑猩猩优化算法优化算法定位模型对比其他定位模型针对TDOA无源定位方法定位精度较高,该模型利用改进后的黑猩猩优化算法确定深度极限学习机的网络节点数和惩罚系数,然后寻优后的DELM利用多站测量得到的TDOA数据对探测目标进行定位。实验结果表明,利用TDOA信息,改进后的DELM的无源定位模型比黑猩猩优化算法寻优后DELM模型定位精度更高,对比其他DELM的定位模型和单核极限学习机模型定位效果更好。(3)针对TDOA无源定位接收站数量要求多,AOA无源定位远距离目标精度较低的问题,将TDOA定位方法和AOA定位方法进行结合形成TDOA/AOA无源定位方法,本文提出了一种改进的樽海鞘算法(Salp Swarm Algorithm,SSA)优化混合核极限学习机,它利用TDOA/AOA数据对目标进行定位。因为樽海鞘优化算法定位模型对比其他定位模型面对TDOA/AOA无源定位方法效果较好,该模型利用改进后的樽海鞘算法确定混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的网络参数,然后寻优后的HKELM对探测到的目标进行定位。实验结果表明,混合核极限学习机比极限学习机的泛化性更强,对比其他HKELM的定位模型,改进的樽海鞘算法优化过后混合核极限学习机的定位精度更高。

关键词：无源定位蝴蝶优化算法深度极限学习机黑猩猩优化算法混合核极限学习机樽海鞘算法

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共8页 << < 1 2 3 4 5 6 7 8 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：