期刊导航
期刊开放获取
重庆大学
退出
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于HHO-LSSVM的露天煤矿抛掷爆破效果预测研究
被引量:
2
1
作者
李天翔
李江
卢亚峰
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023年第S01期110-116,共7页
为提高露天矿抛掷爆破效果预测精度,进而反馈优化爆破参数设计。建立HHO-LSSVM(哈里斯鹰算法优化最小二乘支持向量机)模型,预测抛掷爆破效果;将该模型所得预测精度及效率与未经优化的LSSVM(最小二乘支持向量机)、ELM(极限学习机)、GA-BP...
为提高露天矿抛掷爆破效果预测精度,进而反馈优化爆破参数设计。建立HHO-LSSVM(哈里斯鹰算法优化最小二乘支持向量机)模型,预测抛掷爆破效果;将该模型所得预测精度及效率与未经优化的LSSVM(最小二乘支持向量机)、ELM(极限学习机)、GA-BP(遗传算法优化BP神经网络)、PSO-LSSVM(粒子群算法优化最小二乘支持向量机)模型进行对比。研究结果表明:采用HHO-LSSVM模型相较于未经优化的LSSVM和ELM模型所得到的有效抛掷率、松散系数、最远抛掷距离的预测精度均具有更高的决定系数值,更小的均方根误差值;HHO-LSSVM模型预测的有效抛掷率、松散系数、最远抛掷距离与实测数据之间的平均误差分别为2.7015%,2.9834%,2.8345%,均在5%以内,说明HHO-LSSVM模型对抛掷爆破效果具有较好的预测精度。研究结果可为通过准确预测爆破效果进而反馈抛掷爆破的优化设计提供一定参考。
展开更多
关键词
露天煤矿
预测模型
抛掷爆破
hho-lssvm
下载PDF
职称材料
基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究
被引量:
4
2
作者
宋立业
范抑伶
王燚增
《电气工程学报》
CSCD
2022年第1期95-103,共9页
为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的...
为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的电力变压器故障诊断方法。首先,利用核主成分分析对变压器原始故障数据进行预处理,去除冗余数据;其次,结合Sigmoid变形函数以及点对称策略改进传统哈里斯鹰算法(HHO),并与HHO和遗传算法(Genetic algorithm,GA)进行性能对比,证明求解精度和网络收敛速度有所提升;最后,采用IHHO对LSSVM的相关超参数进行优化求解,获取KPCA与IHHO-LSSVM相结合的变压器故障诊断模型。结果表明所提模型的诊断精度为95.6%,同其他故障诊断模型相比分别提高了8.9%、16.7%,证明了所提方法能够有效地提升变压器故障诊断性能。
展开更多
关键词
变压器
故障诊断
核主成分分析
哈里斯鹰算法
最小二乘支持向量机
下载PDF
职称材料
题名
基于HHO-LSSVM的露天煤矿抛掷爆破效果预测研究
被引量:
2
1
作者
李天翔
李江
卢亚峰
机构
中安国泰(北京)科技发展有限公司
乌海市能源局
出处
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023年第S01期110-116,共7页
基金
国家重点研发计划项目(2021YFC3001905)
中国安全生产科学研究院基本科研业务费专项资金项目(2023JBKY04)
文摘
为提高露天矿抛掷爆破效果预测精度,进而反馈优化爆破参数设计。建立HHO-LSSVM(哈里斯鹰算法优化最小二乘支持向量机)模型,预测抛掷爆破效果;将该模型所得预测精度及效率与未经优化的LSSVM(最小二乘支持向量机)、ELM(极限学习机)、GA-BP(遗传算法优化BP神经网络)、PSO-LSSVM(粒子群算法优化最小二乘支持向量机)模型进行对比。研究结果表明:采用HHO-LSSVM模型相较于未经优化的LSSVM和ELM模型所得到的有效抛掷率、松散系数、最远抛掷距离的预测精度均具有更高的决定系数值,更小的均方根误差值;HHO-LSSVM模型预测的有效抛掷率、松散系数、最远抛掷距离与实测数据之间的平均误差分别为2.7015%,2.9834%,2.8345%,均在5%以内,说明HHO-LSSVM模型对抛掷爆破效果具有较好的预测精度。研究结果可为通过准确预测爆破效果进而反馈抛掷爆破的优化设计提供一定参考。
关键词
露天煤矿
预测模型
抛掷爆破
hho-lssvm
Keywords
open-pit coal mine
prediction model
blast casting
hho-lssvm
分类号
X932 [环境科学与工程—安全科学]
TD824.2 [矿业工程—煤矿开采]
下载PDF
职称材料
题名
基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究
被引量:
4
2
作者
宋立业
范抑伶
王燚增
机构
辽宁工程技术大学电气与控制工程学院
国网冀北电力有限公司检修分公司
出处
《电气工程学报》
CSCD
2022年第1期95-103,共9页
基金
辽宁省自然科学基金指导(2019-ZD-0039)
辽宁省教育厅科学技术研究创新团队(LT2019007)资助项目。
文摘
为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的电力变压器故障诊断方法。首先,利用核主成分分析对变压器原始故障数据进行预处理,去除冗余数据;其次,结合Sigmoid变形函数以及点对称策略改进传统哈里斯鹰算法(HHO),并与HHO和遗传算法(Genetic algorithm,GA)进行性能对比,证明求解精度和网络收敛速度有所提升;最后,采用IHHO对LSSVM的相关超参数进行优化求解,获取KPCA与IHHO-LSSVM相结合的变压器故障诊断模型。结果表明所提模型的诊断精度为95.6%,同其他故障诊断模型相比分别提高了8.9%、16.7%,证明了所提方法能够有效地提升变压器故障诊断性能。
关键词
变压器
故障诊断
核主成分分析
哈里斯鹰算法
最小二乘支持向量机
Keywords
Transformer
fault diagnosis
LDA
HHO
LSSVM
分类号
TM41 [电气工程—电器]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于HHO-LSSVM的露天煤矿抛掷爆破效果预测研究
李天翔
李江
卢亚峰
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
2
基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究
宋立业
范抑伶
王燚增
《电气工程学报》
CSCD
2022
4
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部