本文主要研究内容
作者薛小明,曹苏群,李超顺,姜伟（2019）在《基于能量熵重构与支持向量回归的水电机组状态趋势预测》一文中研究指出：针对水电机组运行状态趋势预测的问题,提出了一种基于能量熵重构(EER)与支持向量回归(SVR)的混合预测模型。先针对复杂非平稳监测信号,利用快速集成经验模态分解(FEEMD)算法将其分解为多个本征模态函数(IMFs)分量和单个残余分量;然后基于能量熵(EE)理论对各分量进行重构,以有效降低分量的复杂度;最后,将生成的重构本征模态函数(RIMFs)作为SVR的输入,训练模型参数得到最优的SVR,用于预测机组状态发展趋势。与实例对比分析表明,所提混合预测模型具有较高的预测精度,为机组运维策略的制定提供了一定的指导。
Abstract
zhen dui shui dian ji zu yun hang zhuang tai qu shi yu ce de wen ti ,di chu le yi chong ji yu neng liang shang chong gou (EER)yu zhi chi xiang liang hui gui (SVR)de hun ge yu ce mo xing 。xian zhen dui fu za fei ping wen jian ce xin hao ,li yong kuai su ji cheng jing yan mo tai fen jie (FEEMD)suan fa jiang ji fen jie wei duo ge ben zheng mo tai han shu (IMFs)fen liang he chan ge can yu fen liang ;ran hou ji yu neng liang shang (EE)li lun dui ge fen liang jin hang chong gou ,yi you xiao jiang di fen liang de fu za du ;zui hou ,jiang sheng cheng de chong gou ben zheng mo tai han shu (RIMFs)zuo wei SVRde shu ru ,xun lian mo xing can shu de dao zui you de SVR,yong yu yu ce ji zu zhuang tai fa zhan qu shi 。yu shi li dui bi fen xi biao ming ,suo di hun ge yu ce mo xing ju you jiao gao de yu ce jing du ,wei ji zu yun wei ce lve de zhi ding di gong le yi ding de zhi dao 。
论文参考文献
论文详细介绍
论文作者分别是来自水电能源科学的薛小明,曹苏群,李超顺,姜伟，发表于刊物水电能源科学2019年09期论文，是一篇关于水电机组论文,状态趋势预测论文,模态分解论文,能量熵论文,支持向量回归论文,水电能源科学2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自水电能源科学2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：水电机组论文; 状态趋势预测论文; 模态分解论文; 能量熵论文; 支持向量回归论文; 水电能源科学2019年09期论文;