期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到68篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
集成随机配置网络在输电线路覆冰预测中的应用
1
作者 原辉 胡帆 +2 位作者 范晶晶 俞华 王帅 《测绘通报》 北大核心 2025年第1期29-34,共6页
对输电线路进行覆冰预测是保障电网安全运行的关键技术。由于需要综合考虑地形和气象变化等的影响,覆冰预测是一项具有高维非线性、多模态异质性的复杂任务。本文提出了一种基于集成随机配置网络的深度学习方法预测输电线路覆冰。首先... 对输电线路进行覆冰预测是保障电网安全运行的关键技术。由于需要综合考虑地形和气象变化等的影响,覆冰预测是一项具有高维非线性、多模态异质性的复杂任务。本文提出了一种基于集成随机配置网络的深度学习方法预测输电线路覆冰。首先根据多尺度融合的小波模极大值进行覆冰图像数据边缘检测,提高覆冰线路识别的准确率;然后考虑历史观测数据中的微地理和微气象等特征,通过多种特征要素组合构建Boosting集成学习框架下随机配置网络预测模型,预测输电线路覆冰情况。算例分析结果表明,本文提出的集成模型优于单一模型,可以有效实现覆冰输电线路识别和厚度预测,提高了模型泛化能力和覆冰灾害预测精度。 展开更多
关键词 覆冰预测 随机配置网络 集成学习 预测模型 多尺度融合
在线阅读 下载PDF
一种基于融合特征聚类和随机配置网络的轴承剩余寿命预测方法 被引量：1
2
作者 韩莹 陈熙 《电子测量与仪器学报》 CSCD 北大核心 2024年第4期128-139,共12页
针对轴承剩余寿命(remaining useful life,RUL)预测中故障始发时刻(first predicting time,FPT)基于人为主观选择以及预测滞后带来的维护风险的问题,提出了一种基于融合特征和随机配置网络(stochastic configuration networks,SCNs)的... 针对轴承剩余寿命(remaining useful life,RUL)预测中故障始发时刻(first predicting time,FPT)基于人为主观选择以及预测滞后带来的维护风险的问题,提出了一种基于融合特征和随机配置网络(stochastic configuration networks,SCNs)的轴承剩余寿命预测方法。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)对原始轴承水平振动信号进行分解,再提取其时域、频域信号,构建融合特征。最后,使用小波聚类划分健康状态,找到合适的FPT,并结合能反应轴承退化的特征构建健康数据集,通过SCNs网络离线建模进行预测,并根据拟合曲线的斜率以及RMSE指标对预测结果进行校正。通过实验分析,所提方法的综合得分高达0.83,误差百分比的平均绝对误差(mean absolute deviation,MAD)和标准偏差(standard deviation,SD)分别为5.26和3.38;与其他预测方法相比,本文所提方法有较高的预测精度。 展开更多
关键词 轴承 剩余寿命预测 特征聚类 故障始发时刻 随机配置网络 离线预测
在线阅读 下载PDF
基于区间边界探测的进化随机配置网络
3
作者 吉建娇 王殿辉 《控制理论与应用》 EI CAS CSCD 北大核心 2024年第10期1913-1922,共10页
随机配置网络在监督机制下利用随机采样方式在可调区间内分配新增隐节点参数,易陷入局部最优,导致模型包含不必要的冗余节点.为保证模型的紧致性,本文提出了一种进化随机配置网络架构,利用进化算法迭代搜索隐节点参数的最优配置.首先,... 随机配置网络在监督机制下利用随机采样方式在可调区间内分配新增隐节点参数,易陷入局部最优,导致模型包含不必要的冗余节点.为保证模型的紧致性,本文提出了一种进化随机配置网络架构,利用进化算法迭代搜索隐节点参数的最优配置.首先,初始化策略通过探测有潜力的区间边界生成满足监督机制的初始种群,以加快种群的收敛速度.随后,采用基于Q-learning的选择策略自适应地根据种群所在区间边界为进化算子选取合适的参数设置,进而提高其搜索效率,增强种群的收敛性能.最后,在基准数据集上的实验表明了所提算法构建模型的紧致性和精度. 展开更多
关键词 随机配置网络 进化优化 强化学习 Q-LEARNING
在线阅读 下载PDF
基于深层卷积随机配置网络的电熔镁炉工况识别方法研究
4
作者 李帷韬 童倩倩 +1 位作者 王殿辉 吴高昌 《自动化学报》 EI CAS CSCD 北大核心 2024年第3期527-543,共17页
为解决电熔镁炉工况识别模型泛化能力和可解释性弱的缺陷,提出一种基于深层卷积随机配置网络(Deep convolutional stochastic configuration networks,DCSCN)的可解释性电熔镁炉异常工况识别方法.首先,基于监督学习机制生成具有物理含... 为解决电熔镁炉工况识别模型泛化能力和可解释性弱的缺陷,提出一种基于深层卷积随机配置网络(Deep convolutional stochastic configuration networks,DCSCN)的可解释性电熔镁炉异常工况识别方法.首先,基于监督学习机制生成具有物理含义的高斯差分卷积核,采用增量式方法构建深层卷积神经网络(Deep convolutional neural network,DCNN),确保识别误差逐级收敛,避免反向传播算法迭代寻优卷积核参数的过程.定义通道特征图独立系数获取电熔镁炉特征类激活映射图的可视化结果,定义可解释性可信度评测指标,自适应调节深层卷积随机配置网络层级,对不可信样本进行再认知以获取最优工况识别结果.实验结果表明,所提方法较其他方法具有更优的识别精度和可解释性. 展开更多
关键词 电熔镁炉 深层卷积随机配置网络 高斯差分卷积核 类激活映射图 可解释性
在线阅读 下载PDF
随机配置网络研究进展 被引量：3
5
作者 张成龙 丁世飞 +1 位作者 郭丽丽 张健 《软件学报》 EI CSCD 北大核心 2024年第5期2379-2399,共21页
随机配置网络(stochastic configuration network,SCN)是一种新兴的增量式神经网络模型,与其他随机化神经网络方法不同,它能够通过监督机制进行隐含层节点参数配置,保证了模型的快速收敛性能.因其具有学习效率高、人为干预程度低和泛化... 随机配置网络(stochastic configuration network,SCN)是一种新兴的增量式神经网络模型,与其他随机化神经网络方法不同,它能够通过监督机制进行隐含层节点参数配置,保证了模型的快速收敛性能.因其具有学习效率高、人为干预程度低和泛化能力强等优点,自2017年提出以来,SCN吸引了大量国内外学者的研究兴趣,得到了快速的推广和发展.从SCN的基础理论、典型算法变体、应用领域以及未来研究方向等方面切入,全面地概述SCN研究进展.首先,从理论的角度分析SCN的算法原理、通用逼近性能及其优点;其次,重点研究深度SCN、二维SCN、鲁棒SCN、集成SCN、分布式并行SCN、正则化SCN等典型变体;随后介绍SCN在硬件实现、计算机视觉、医学数据分析、故障检测与诊断、系统建模预测等不同领域的应用进展;最后指出SCN在卷积神经网络架构、半监督学习、无监督学习、多视图学习、模糊神经网络、循环神经网络等研究方向的发展潜力. 展开更多
关键词 随机配置网络 神经网络 深度学习 随机化学习 研究进展
在线阅读 下载PDF
基于椭球定界随机配置网络的水质指标估计
6
作者 王佳 左震宇 +1 位作者 王赛男 张佳 《微型计算机》 2024年第7期172-174,共3页
污水生化处理过程错综复杂,在污水处理厂实际应用中,需要更快更准确地跟踪一些指标的动态变化。针对这种复杂情况,采用椭球定界算法(OBE)对随机配置网络(SCN)进行改进,从而得到OBE-SCN网络对污水水质指标进行在线建模。通过采集到的历... 污水生化处理过程错综复杂,在污水处理厂实际应用中,需要更快更准确地跟踪一些指标的动态变化。针对这种复杂情况,采用椭球定界算法(OBE)对随机配置网络(SCN)进行改进,从而得到OBE-SCN网络对污水水质指标进行在线建模。通过采集到的历史数据建立一个SCN的初始模型,在离线的初始模型中不断进行训练,然后将新到达的数据代入训练好的模型中,采用OBE算法不断地动态更新SCN模型权重β,使模型最优化。 展开更多
关键词 污水水质估计 随机配置网络 椭球定界算法 预测
在线阅读 下载PDF
基于改进北方苍鹰优化随机配置网络的网络流量预测模型 被引量：1
7
作者 王堃 李少波 +1 位作者 何玲 周鹏 《计算机工程与科学》 CSCD 北大核心 2024年第7期1245-1255,共11页
网络流量预测作为一种关键技术,能帮助实现网络资源的合理分配、优化网络性能以及提供高效的网络服务。随着网络环境的演变和发展,网络流量的多样性和复杂性增加,为了提高网络流量的预测精度,提出了一种基于改进北方苍鹰优化随机配置网... 网络流量预测作为一种关键技术,能帮助实现网络资源的合理分配、优化网络性能以及提供高效的网络服务。随着网络环境的演变和发展,网络流量的多样性和复杂性增加,为了提高网络流量的预测精度,提出了一种基于改进北方苍鹰优化随机配置网络(CNGO-SCN)的网络流量预测模型。随机配置网络作为一种具有监督机制的增量式模型,在解决大规模数据回归和预测问题方面具有良好的优势。但是,一些超参数的选择影响了随机配置网络的准确性。针对这一问题,利用北方苍鹰算法对影响随机配置网络性能的正则化参数和比例因子进行优化,得到最佳数值。而北方苍鹰算法由于初始种群的随机分布导致种群个体质量不佳,因此引入混沌逻辑映射提升初始解的质量。将优化后的模型应用于英国学术网、欧洲某城市核心网网络流量数据集和合作企业搭建的网络协同制造云平台交换机接口的真实流量数据集,并与多种神经网络模型进行对比,以验证所提模型的网络流量预测能力。实验结果表明,该模型对比其他神经网络模型具有更高的预测精度,在实际应用场景中处理复杂数据时具备更加优秀的预测能力,该模型的预测误差下降了0.9%~99.7%。 展开更多
关键词 网络流量预测 随机配置神经网络 北方苍鹰优化算法 混沌逻辑映射
在线阅读 下载PDF
基于M-estimator函数的加权深度随机配置网络 被引量：1
8
作者 丁世飞 张成龙 +2 位作者 郭丽丽 张健 丁玲 《计算机学报》 EI CAS CSCD 北大核心 2023年第11期2476-2487,共12页
深度随机配置网络(Deep Stochastic Configuration Network,DSCN)是一种增量式随机化学习模型,具有人为干预程度低、学习效率高和泛化能力强等优点.但是,面向噪声数据回归与分析时,传统的DSCN易受到异常值影响,从而降低了模型的泛化性.... 深度随机配置网络(Deep Stochastic Configuration Network,DSCN)是一种增量式随机化学习模型,具有人为干预程度低、学习效率高和泛化能力强等优点.但是,面向噪声数据回归与分析时,传统的DSCN易受到异常值影响,从而降低了模型的泛化性.因此,为提高噪声数据回归的精度和鲁棒性,提出了基于M-estimator函数的加权深度随机配置网络(Weighted Deep Stochastic Configuration Networks,WDSCN).首先,选取Huber和Bisquare 2个常用的M-estimator函数计算样本权重,利用加权最小二乘法和L2正则化策略替代最小二乘来更新WDSCN输出权重,以降低异常值对WDSCN的负面影响;其次,为提高WDSCN模型表征能力,设计了一种随机配置稀疏自编码器(Stochastic Configuration Sparse Autoencoder,SC-SAE),SC-SAE基于DSCN其独有的监督机制随机分配输入参数,采用基于L1正则化的目标函数,并利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)计算SC-SAE输出权重;然后,为获取有效的特征表示,利用SC-SAE生成特征的随机性和多样性,采用多个SC-SAE进行特征学习并融合,用于WDSCN模型训练;最后,在真实数据集上的实验结果表明,WDSCN-Huber、WDSCN-Bisquare相比于DSCN、SCN以及RSC-KDE、RSC-Huber、RSC-IQR、RSCN-KDE、WBLS-KDE和RBLS-Huber等加权模型具有更高的泛化性能和回归精度. 展开更多
关键词 深度随机配置网络 异常数据 鲁棒性 回归 随机神经网络
在线阅读 下载PDF
融合聚类及随机配置网络的短期光伏功率预测 被引量：3
9
作者 韩莹 朱宏宇 李琨 《电子测量与仪器学报》 CSCD 北大核心 2023年第11期205-216,共12页
为了降低天气因素对光伏发电功率的输出值预测精度的影响,从聚类分析和信号分解两方面入手,提出了一种融合聚类算法(KDGMM),改进的变分模态分解(VMD)与随机配置网络(SCN)的预测模型。首先通过KDGMM聚类将气象数据划分成晴天、阴天和雨天... 为了降低天气因素对光伏发电功率的输出值预测精度的影响,从聚类分析和信号分解两方面入手,提出了一种融合聚类算法(KDGMM),改进的变分模态分解(VMD)与随机配置网络(SCN)的预测模型。首先通过KDGMM聚类将气象数据划分成晴天、阴天和雨天,针对阴天难以准确预测的问题,采用灰色关联度分析(GRA)选择相似日,其次引入莱维飞行北方苍鹰优化算法(LNGO)优化VMD得到最优参数,从而降低阴天光伏功率的非平稳性。最后构建SCN预测模型对光伏功率数据进行预测,输出其预测结果。通过实验分析,所提方法的均方根误差(RMSE)和平均绝对百分比误差(MAPE)仅为1.44和1.3%,拟合优度指标R^(2)高达0.99,与其他预测方法相比,本文所提方法有较高的预测精度。 展开更多
关键词 光伏功率预测 融合聚类 北方苍鹰优化算法 莱维飞行策略 变分模态分解 随机配置网络
在线阅读 下载PDF
遗忘因子随机配置网络驱动的自适应切换学习模型
10
作者 乔景慧 张岩 +1 位作者 陈宇曦 张开济 《电子测量与仪器学报》 CSCD 北大核心 2023年第8期71-83,共13页
随机配置网络(SCNs)具有通用逼近能力和快速建模特性,已成功应用于大数据分析。在SCN的基础上,块增量随机配置网络(BSC)使用块增量机制提高训练速度,但增加了模型结构的复杂程度。为了解决上述难题,提出遗忘因子随机配置网络(FSCN-Ⅰ和F... 随机配置网络(SCNs)具有通用逼近能力和快速建模特性,已成功应用于大数据分析。在SCN的基础上,块增量随机配置网络(BSC)使用块增量机制提高训练速度,但增加了模型结构的复杂程度。为了解决上述难题,提出遗忘因子随机配置网络(FSCN-Ⅰ和FSCN-Ⅱ)驱动的自适应切换学习模型(ASLM)。该模型利用正态分布配置隐含层节点的输入参数。FSCN-Ⅰ通过误差值和遗忘因子调整节点块的尺寸,提高训练速度。FSCN-Ⅱ引入节点移除机制降低模型结构的复杂程度。ASLM由FSCN-Ⅰ和FSCN-Ⅱ构成,两者根据自适应变化的边界随机切换以提高模型的训练速度,并在FSCN-Ⅰ的基础上降低模型结构的复杂程度。最后,通过基础数据集和工业实例,表明该方法的有效性。 展开更多
关键词 随机配置网络 遗忘因子 动态隐含层节点 自适应切换学习模型
在线阅读 下载PDF
基于随机配置网络的井下供给风量建模 被引量：15
11
作者 王前进 杨春雨 +2 位作者 马小平 张春富 彭思敏 《自动化学报》 EI CAS CSCD 北大核心 2021年第8期1963-1975,共13页
主通风机切换过程中,取压风量测量作为监测井下供给风量的主要手段,是矿井主扇通风系统安全、稳定与经济运行的重要保障.然而,由于取压孔极易出现堵塞现象,需要频繁维护,导致无法实时测量井下供给风量,难以实现主通风机切换过程的闭环... 主通风机切换过程中,取压风量测量作为监测井下供给风量的主要手段,是矿井主扇通风系统安全、稳定与经济运行的重要保障.然而,由于取压孔极易出现堵塞现象,需要频繁维护,导致无法实时测量井下供给风量,难以实现主通风机切换过程的闭环优化控制.同时,随着隐含层节点数的增加,基于随机配置网络(Stochastic configuration network,SCN)的估计模型存在过拟合和泛化能力差的缺点.为了解决上述问题,结合正则化(Regularization,R)技术,本文提出一种新型的改进SCN算法,即RSC算法,用于井下供给风量的建模.基准回归分析和工业实验表明:与SCN方法相比,建立的RSC模型具有较高的模型精度和较好的泛化性能. 展开更多
关键词 主通风机 切换过程 井下供给风量 随机配置网络 正则化
在线阅读 下载PDF
融合改进符号动态熵和随机配置网络的水电机组轴系故障诊断方法 被引量：11
12
作者 陈飞 王斌 +3 位作者 周东东 赵志高 丁晨 陈帝伊 《水利学报》 EI CSCD 北大核心 2022年第9期1127-1139,共13页
现有水电机组轴系故障诊断研究主要建立在单一传感器振动信号数据的基础上,存在故障信息缺失和传感器测点选择困难等问题。为此,提出了一种基于精细复合多元多尺度符号动态熵(RCMMSDE)和随机配置网络(SCN)相结合的水电机组轴系故障诊断... 现有水电机组轴系故障诊断研究主要建立在单一传感器振动信号数据的基础上,存在故障信息缺失和传感器测点选择困难等问题。为此,提出了一种基于精细复合多元多尺度符号动态熵(RCMMSDE)和随机配置网络(SCN)相结合的水电机组轴系故障诊断方法。首先,将精细复合技术引入RCMMSDE模型中,改进了传统多元多尺度熵粗粒化不足的问题。然后,通过提取水电机组不同传感器振动信号的RCMMSDE值作为故障特征。最终,将故障特征输入SCN网络实现水电机组轴系故障的准确识别。仿真结果表明,RCMMSDE-SCN模型在两个不同数据集上分别取得了97.58%和99.17%的诊断率,验证了所提模型具有良好的诊断性能。同时,对比不同诊断模型在多元传感器信号和单一传感器信号两种不同情景下的诊断情况,表明融合多元振动信号可以有效改善水电机组轴系故障诊断模型的识别性能。本研究为融合水电机组多元传感器振动信号故障诊断提供了一种新的方法,具有良好的借鉴价值。 展开更多
关键词 水电机组 故障诊断 多元多尺度符号动态熵 随机配置网络 特征提取
在线阅读 下载PDF
基于随机配置网络的机载电子吊舱多工况热模型 被引量：2
13
作者 张洁 庞丽萍 +1 位作者 曲洪权 王天博 《化工学报》 EI CAS CSCD 北大核心 2020年第S01期441-447,共7页
机载电子吊舱是搭载多功能机载电子设备的主要平台,能够显著提升战机性能。然而,不断增加的电子设备功率和高度低气压力飞行环境会造成吊舱内恶劣的热环境,严重影响电子设备的可靠性。因此,十分有必要建立准确的电子吊舱热模型,用于预... 机载电子吊舱是搭载多功能机载电子设备的主要平台,能够显著提升战机性能。然而,不断增加的电子设备功率和高度低气压力飞行环境会造成吊舱内恶劣的热环境,严重影响电子设备的可靠性。因此,十分有必要建立准确的电子吊舱热模型,用于预测不同飞行工况下的电子设备热响应。综合热网络分析思想和随机网络算法思想,提出一种基于随机配置网络的热模型建立方法,并通过采用冲压空气冷却系统的电子吊舱实验数据加以验证。为了建立准确的舱内温度响应模型,通过传热机制将高温贮存、高温工作、低温贮存、低温故障和低温工作工况下的实验数据分为3组并分别用于建立设备贮存热模型、设备工作热模型和综合热模型,利用热网络分析获取随机配置网络的有效输入,采用四折交叉验证和灰度图分析综合确定了3个热模型的超参数。建模结果表明:3个热模型的范围序列可统一为[1~40],最大隐含层节点数可分别设为6、9、11,设备温度拟合效果较好,仅在边界条件约束下进行多工况全过程的电子设备温度预测,预测误差在3.512℃内。总体看来,该热建模方法从数据挖掘的角度较为简单、准确、快速地描述了电子设备热关系,可用于开展预期飞行环境下的机载电子吊舱温度预测,用于评估热管理系统的性能。 展开更多
关键词 机载电子吊舱 热响应 热网络 随机配置网络 热力学 数学模拟 算法
在线阅读 下载PDF
基于混沌反馈乌燕鸥优化算法的随机配置网络参数优化 被引量：2
14
作者 严爱军 于小 《北京工业大学学报》 CAS CSCD 北大核心 2023年第7期746-757,共12页
为了解决随机配置网络(stochastic configuration network,SCN)隐含层参数的选择与分配会影响其预测精度的问题,提出一种基于混沌反馈乌燕鸥优化算法(chaotic feedback sooty tern optimization algorithm,CFSTOA)的SCN参数优化方法。首... 为了解决随机配置网络(stochastic configuration network,SCN)隐含层参数的选择与分配会影响其预测精度的问题,提出一种基于混沌反馈乌燕鸥优化算法(chaotic feedback sooty tern optimization algorithm,CFSTOA)的SCN参数优化方法。首先,利用Tent映射、线性因子调节策略、劣势种群反馈原则来改进乌燕鸥优化算法(sooty tern optimization algorithm,STOA),以增强算法的局部搜索能力,得到一种具备更快收敛速度和更高收敛精度的CFSTOA;然后,将CFSTOA用于优化SCN的正则化参数和权重偏差的尺度因子,从而得到最优的隐含层参数;最后,利用10个基准函数和4个标准回归数据集分别对CFSTOA的性能进行了测试。结果表明,CFSTOA具有更快的收敛速度且不易陷入局部最优,可以提高SCN算法的预测精度和训练速度。 展开更多
关键词 随机配置网络(stochastic configuration network SCN) 乌燕鸥优化算法 反馈机制 TENT映射 参数优化 回归预测
在线阅读 下载PDF
一种随机配置网络的模型与数据混合并行学习方法 被引量：14
15
作者 代伟 李德鹏 +1 位作者 杨春雨 马小平 《自动化学报》 EI CAS CSCD 北大核心 2021年第10期2427-2437,共11页
随机配置网络(Stochastic configuration networks,SCNs)在增量构建过程引入监督机制来分配隐含层参数以确保其无限逼近特性,具有易于实现、收敛速度快、泛化性能好等优点.然而,随着数据量的不断扩大,SCNs的建模任务面临一定的挑战性.... 随机配置网络(Stochastic configuration networks,SCNs)在增量构建过程引入监督机制来分配隐含层参数以确保其无限逼近特性,具有易于实现、收敛速度快、泛化性能好等优点.然而,随着数据量的不断扩大,SCNs的建模任务面临一定的挑战性.为了提高神经网络算法在大数据建模中的综合性能,本文提出了一种混合并行随机配置网络(Hybrid parallel stochastic configuration networks,HPSCNs)架构,即:模型与数据混合并行的增量学习方法.所提方法由不同构建方式的左右两个SCNs模型组成,以快速准确地确定最佳隐含层节点,其中左侧采用点增量网络(PSCN),右侧采用块增量网络(BSCN);同时每个模型建立样本数据的动态分块方法,从而加快候选“节点池”的建立、降低计算量.所提方法首先通过大规模基准数据集进行了对比实验,然后应用在一个实际工业案例上,表明其有效性. 展开更多
关键词 增量学习方法 随机配置网络 模型并行 数据并行 大数据建模
在线阅读 下载PDF
基于随机配置网络的海水养殖氨氮浓度软测量模型 被引量：11
16
作者 王魏 郭戈 《农业机械学报》 EI CAS CSCD 北大核心 2020年第1期214-220,共7页
氨氮浓度是水产养殖过程的重要监控指标,水中氨氮浓度过高,会产生较强的神经毒素,导致水生物大面积死亡,因此,需实时准确监测水产养殖过程中水的氨氮浓度。然而,由于影响海水水质因素较多,各因素之间关系复杂、相互影响,目前未能实现海... 氨氮浓度是水产养殖过程的重要监控指标,水中氨氮浓度过高,会产生较强的神经毒素,导致水生物大面积死亡,因此,需实时准确监测水产养殖过程中水的氨氮浓度。然而,由于影响海水水质因素较多,各因素之间关系复杂、相互影响,目前未能实现海水氨氮浓度的实时监测。通过分析海水养殖水体中氨氮的生成和硝化过程,选取水体中与氨氮浓度相关且易测的水质参数(温度、电导率、p H值、溶解氧质量浓度)为辅助变量,采用收敛速度快且泛化能力较强的随机配置网络建立了氨氮浓度软测量模型。为验证方法的有效性,设计了实验室海水养殖循环水系统,通过试验系统的实测数据,将该方法与其他几种神经网络建模方法进行了比较。结果表明,氨氮浓度随机配置网络模型具有更高的精度和更快的运行速度。基于模型设计了水产养殖水质监控系统,并将此方法嵌入上位机Win CC软件,实现了氨氮浓度的在线监测。 展开更多
关键词 海水养殖 氨氮浓度 软测量 随机配置网络
在线阅读 下载PDF
基于正则化随机配置网络的球磨机工况识别 被引量：14
17
作者 赵立杰 邹世达 +1 位作者 郭烁 黄明忠 《控制工程》 CSCD 北大核心 2020年第1期1-7,共7页
随机配置网络(Stochastic Configuration Network, SCN)在不等式约束监督机制下能够自动快速构建万能逼近器,在大数据建模领域具有潜在优势。为了增强模型的准确性和稳定性,在经典随机配置网络基础上提出带有L2范数正则化的随机配置网络... 随机配置网络(Stochastic Configuration Network, SCN)在不等式约束监督机制下能够自动快速构建万能逼近器,在大数据建模领域具有潜在优势。为了增强模型的准确性和稳定性,在经典随机配置网络基础上提出带有L2范数正则化的随机配置网络,改善输出权重最小二乘解析解的代数属性,避免模型过拟合的结构风险。针对大范围非平稳操作工况下球磨机负荷运行状态识别问题,使用正则化随机配置网络构建球磨机负荷运行工况识别模型。球磨机实验结果表明,所提出的正则项SCN模型在识别准确性和模型性能稳定性方面相对经典SCN和RVFL模型,具有相对优势。 展开更多
关键词 随机神经网络 随机配置网络 正则化 球磨机 工况识别
在线阅读 下载PDF
基于偏最小二乘随机配置网络的污水水质指标估计 被引量：6
18
作者 赵立杰 王佳 +1 位作者 黄明忠 王国刚 《化工学报》 EI CAS CSCD 北大核心 2020年第12期5672-5680,共9页
准确、可靠地测量污水处理厂的出水水质指标是成功控制和优化污水处理厂的关键。由于现有的离线化验方法存在操作繁复、测量滞后的问题,难以实现水质的实时控制。为了提高估计的准确性和可靠性,提出了一种偏最小二乘的随机配置网络方法(... 准确、可靠地测量污水处理厂的出水水质指标是成功控制和优化污水处理厂的关键。由于现有的离线化验方法存在操作繁复、测量滞后的问题,难以实现水质的实时控制。为了提高估计的准确性和可靠性,提出了一种偏最小二乘的随机配置网络方法(PLS-SCN)。为了克服输入数据高维度和多重共线性导致的预测风险,将偏最小二乘(PLS)方法嵌入到随机配置网络(SCN)框架中,以代替经典的普通最小二乘(OLS)方法。PLSSCN方法从隐含层输出中提取影响水质指标的主要潜在变量,通过正交投影运算来增强泛化性能。某城市污水处理厂水质指标仿真结果表明,PLS-SCN网络具有良好的输入输出关系,性能优于传统SCN和PLS方法,能够快速、可靠地估计污水水质的质量。 展开更多
关键词 污水水质估计 神经网络 随机配置网络 偏最小二乘法 数学模拟 预测
在线阅读 下载PDF
基于功率谱密度与随机配置网络的低压串联电弧故障检测
19
作者 李金杰 邹国锋 +2 位作者 魏良玉 王玮 傅桂霞 《科学技术与工程》 北大核心 2023年第34期14587-14595,共9页
低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,... 低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,构建数据集。其次,采用功率谱密度对电流信号执行随机信号分析,实现对电流信号的定量化频域特征描述,增强故障电流与正常电流特征的区分度。然后,采用随机配置网络构建串联电弧故障检测模型,将功率谱密度特征用于随机配置网络的自适应训练学习,提升网络训练效率和模型故障检测能力。在本文构建的电流数据集上,串联电弧故障检测的平均准确率达到96.1567%,证明了方法的有效性。 展开更多
关键词 串联电弧检测 功率谱密度 随机配置网络 频域特征提取 自适应学习
在线阅读 下载PDF
集成随机配置网络在养殖水质监测中的应用 被引量：4
20
作者 李康 王魏 王奕鹏 《农业工程学报》 EI CAS CSCD 北大核心 2020年第4期220-226,共7页
为解决集约化水产养殖过程水体氨氮浓度无法实时检测的问题,提出基于Bagging集成随机配置网络(stochastic configuration network,SCN)的建模方法,利用养殖过程采集的相关水质参数对养殖水体氨氮浓度进行软测量。该方法首先采用Bootstra... 为解决集约化水产养殖过程水体氨氮浓度无法实时检测的问题,提出基于Bagging集成随机配置网络(stochastic configuration network,SCN)的建模方法,利用养殖过程采集的相关水质参数对养殖水体氨氮浓度进行软测量。该方法首先采用Bootstrap方式生成多个不同的训练子集,然后并行训练多个SCN模型,最后将各个SCN模型的输出结果取均值作为Bagging-SCN模型的输出。为验证方法的有效性,分别通过UCI标准数据库中的机翼自噪声数据集和集约化海水养殖过程数据集进行了仿真试验,将该研究提出的Bagging-SCN模型与单一SCN模型、以及目前应用最广泛的随机权向量函数连接网络(random vector functional-link net,RVFL)模型、Bagging-RVFL模型的测量效果进行了比较。试验结果表明:该文所提模型对机翼自噪声数据集中缩放声压级测量的均方根误差、平均绝对百分比误差和最大绝对误差分别为4.225 dB、2.599%和17.500 dB;在对集约化海水养殖过程中水体氨氮浓度测量的均方根误差、平均绝对百分比误差和最大绝对误差分别为0.0628 mg/L、27.851 mg/L和0.189 mg/L均优于其他测量模型;进一步说明该模型具有较高的测量精度和稳定性,更适合应用于集约化水产养殖水质监测过程。 展开更多
关键词 软测量 集成学习 随机配置网络 氨氮浓度 水质监测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部