期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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327篇文章
< 1 2 … 17 >
每页显示 20 50 100
已选0条
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：
Application of the improved dung beetle optimizer,muti-head attention and hybrid deep learning algorithms to groundwater depth prediction in the Ningxia area,China 认领 引用 被引量：1
1
作者 Jiarui Cai Bo Sun +5 位作者 Huijun Wang Yi Zheng Siyu Zhou Huixin Li Yanyan Huang Peishu Zong 《Atmospheric and Oceanic Science Letters》 CSCD 2025年第1期18-23,共6页
Due to the lack of accurate data and complex parameterization,the prediction of groundwater depth is a chal-lenge for numerical models.Machine learning can effectively solve this issue and has been proven useful in th... Due to the lack of accurate data and complex parameterization,the prediction of groundwater depth is a chal-lenge for numerical models.Machine learning can effectively solve this issue and has been proven useful in the prediction of groundwater depth in many areas.In this study,two new models are applied to the prediction of groundwater depth in the Ningxia area,China.The two models combine the improved dung beetle optimizer(DBO)algorithm with two deep learning models:The Multi-head Attention-Convolution Neural Network-Long Short Term Memory networks(MH-CNN-LSTM)and the Multi-head Attention-Convolution Neural Network-Gated Recurrent Unit(MH-CNN-GRU).The models with DBO show better prediction performance,with larger R(correlation coefficient),RPD(residual prediction deviation),and lower RMSE(root-mean-square error).Com-pared with the models with the original DBO,the R and RPD of models with the improved DBO increase by over 1.5%,and the RMSE decreases by over 1.8%,indicating better prediction results.In addition,compared with the multiple linear regression model,a traditional statistical model,deep learning models have better prediction performance. 展开更多
关键词 Groundwater depth Multi-head attention Improved dung beetle optimizer CNN-LSTM CNN-GRU Ningxia
暂未订购 下载PDF
Dung Beetle Optimization Algorithm Based on Bounded Reflection Optimization and Multi-Strategy Fusion for Multi-UAV Trajectory Planning 认领 引用
2
作者 Weicong Tan Qiwu Wu +2 位作者 Lingzhi Jiang Tao Tong Yunchen Su 《Computers, Materials & Continua》 SCIE EI 2025年第11期3621-3652,共32页
This study introduces a novel algorithm known as the dung beetle optimization algorithm based on bounded reflection optimization andmulti-strategy fusion(BFDBO),which is designed to tackle the complexities associated ... This study introduces a novel algorithm known as the dung beetle optimization algorithm based on bounded reflection optimization andmulti-strategy fusion(BFDBO),which is designed to tackle the complexities associated with multi-UAV collaborative trajectory planning in intricate battlefield environments.Initially,a collaborative planning cost function for the multi-UAV system is formulated,thereby converting the trajectory planning challenge into an optimization problem.Building on the foundational dung beetle optimization(DBO)algorithm,BFDBO incorporates three significant innovations:a boundary reflection mechanism,an adaptive mixed exploration strategy,and a dynamic multi-scale mutation strategy.These enhancements are intended to optimize the equilibrium between local exploration and global exploitation,facilitating the discovery of globally optimal trajectories thatminimize the cost function.Numerical simulations utilizing the CEC2022 benchmark function indicate that all three enhancements of BFDBOpositively influence its performance,resulting in accelerated convergence and improved optimization accuracy relative to leading optimization algorithms.In two battlefield scenarios of varying complexities,BFDBO achieved a minimum of a 39% reduction in total trajectory planning costs when compared to DBO and three other highperformance variants,while also demonstrating superior average runtime.This evidence underscores the effectiveness and applicability of BFDBO in practical,real-world contexts. 展开更多
关键词 Dung beetle optimizer algorithm swarm intelligence multi-UAV trajectory planning complex environments
暂未订购 下载PDF
Elite Dung Beetle Optimization Algorithm for Multi-UAV Cooperative Search in Mountainous Environments 认领 引用 被引量：5
3
作者 Xiaoyong Zhang Wei Yue 《Journal of Bionic Engineering》 SCIE EI CSCD 2024年第4期1677-1694,共18页
This paper aims to address the problem of multi-UAV cooperative search for multiple targets in a mountainous environment,considering the constraints of UAV dynamics and prior environmental information.Firstly,using th... This paper aims to address the problem of multi-UAV cooperative search for multiple targets in a mountainous environment,considering the constraints of UAV dynamics and prior environmental information.Firstly,using the target probability distribution map,two strategies of information fusion and information diffusion are employed to solve the problem of environmental information inconsistency caused by different UAVs searching different areas,thereby improving the coordination of UAV groups.Secondly,the task region is decomposed into several high-value sub-regions by using data clustering method.Based on this,a hierarchical search strategy is proposed,which allows precise or rough search in different probability areas by adjusting the altitude of the aircraft,thereby improving the search efficiency.Third,the Elite Dung Beetle Optimization Algorithm(EDBOA)is proposed based on bionics by accurately simulating the social behavior of dung beetles to plan paths that satisfy the UAV dynamics constraints and adapt to the mountainous terrain,where the mountain is considered as an obstacle to be avoided.Finally,the objective function for path optimization is formulated by considering factors such as coverage within the task region,smoothness of the search path,and path length.The effectiveness and superiority of the proposed schemes are verified by the simulation. 展开更多
关键词 Mountainous environment Multi-UAV cooperative search Environment information consistency Elite dung beetle optimization algorithm(EDBOA) Path planning
基于IDBO-LightGBM的光伏阵列故障诊断方法 认领 引用 被引量：3
4
作者 吴亚钧 王璐 张金江 《电源学报》 CSCD 北大核心 2026年第4期122-132,共11页
为提高光伏阵列故障诊断的准确率,提出1种基于改进蜣螂优化IDBO(improved dung beetle optimazation)算法优化轻量级梯度提升机Light GBM(light gradient boosting machine)的光伏阵列故障诊断方法。通过IDBO对LightGBM中的特定超参数... 为提高光伏阵列故障诊断的准确率,提出1种基于改进蜣螂优化IDBO(improved dung beetle optimazation)算法优化轻量级梯度提升机Light GBM(light gradient boosting machine)的光伏阵列故障诊断方法。通过IDBO对LightGBM中的特定超参数进行寻优,建立基于IDBO-LightGBM的光伏阵列故障诊断模型。为有效区分各种故障,使用从电流-电压曲线中提取的特征点。为验证所提方法的效果,对模型进行仿真分析,将所提方法与LightGBM算法、DBO-LightGBM算法、其他决策树算法和支持向量机算法进行对比,验证了所提方法的稳定性与准确率。 展开更多
关键词 光伏阵列 故障诊断 改进蜣螂优化算法 轻量级梯度提升机
暂未订购 下载PDF
基于IDBO-LSTM神经网络的异步电机故障辨识 认领 引用 被引量：1
5
作者 梁天添 杨健雄 钱振明 《大连交通大学学报》 CAS 2026年第1期130-139,共10页
针对长短期记忆神经网络(Long Short Term Memory Neural Network,LSTMNN)在辨识异步电机故障时,因人工选择网络超参数导致的辨识精度下降问题,提出一种改进的蜣螂优化算法寻优LSTMNN的重要参数。首先,建立具有定子匝间短路故障的异步... 针对长短期记忆神经网络(Long Short Term Memory Neural Network,LSTMNN)在辨识异步电机故障时,因人工选择网络超参数导致的辨识精度下降问题,提出一种改进的蜣螂优化算法寻优LSTMNN的重要参数。首先,建立具有定子匝间短路故障的异步电机系统模型;其次,利用精英反向学习策略、分段线性混沌映射、动态混沌权重因子和动态权重系数等方法改进蜣螂优化算法;最后,使用改进蜣螂优化算法对LSTMNN的关键超参数进行寻优。仿真结果表明,相较于基于蜣螂优化算法和基于改进麻雀算法的LSTMNN,提出的优化LSTMNN对故障及其他变量的辨识均方根误差分别降低了51.93%、36.49%,平均绝对误差分别降低了56.83%、43.99%,平均绝对百分误差分别降低了29.91%、22.25%,表明采用改进的蜣螂优化算法对LSTMNN的关键超参数寻优,可显著提高LSTM网络对电机故障及其他变量的辨识能力。 展开更多
关键词 异步电机 故障辨识 长短期记忆神经网络 改进的蜣螂优化算法
暂未订购 下载PDF
基于IDBO–BP神经网络的巷道围岩松动圈厚度预测模型 认领 引用
6
作者 余一松 郭奇峰 +2 位作者 晋方杰 刘佳伟 王勇兵 《工程科学学报》 EI CAS CSCD 北大核心 2026年第7期1470-1483,共14页
松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数,准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素,巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈... 松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数,准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素,巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈厚度的预测指标.在蜣螂优化(DBO)算法的基础上,通过引入Chebyshev混沌映射、黄金正弦策略和动态权重系数,构建了一种多策略融合的改进蜣螂优化算法(IDBO),并将其用于优化BP神经网络的初始权值和阈值,从而构建了基于IDBO–BP神经网络的松动圈厚度预测模型.利用102组松动圈实例数据对该模型的适用性和可靠性进行了验证.同时,采用Spearman相关性分析评估了各预测指标与松动圈厚度之间的相关程度,并通过R2、MAE、MBE和RMSE等指标对IDBO–BP神经网络模型的预测性能进行了系统评价.最后,将所构建模型应用于某金矿不同埋深巷道的松动圈厚度预测,以进一步验证其工程应用效果.结果表明:在5个预测指标中,节理发育程度与松动圈厚度的相关性最强,掘进断面积最弱;相比于BP和DBO–BP模型,IDBO–BP预测模型对于训练集与测试集的预测位置偏离程度更小,预测精度更高;与SVM、RF、PLS、BP、DBO–BP相比,IDBO–BP的R2值最接近1,MAE、MBE和RMSE值最小,表明IDBO–BP预测性能最好、迭代速度最快,预测精度最高;IDBO–BP模型对三个水平巷道的松动圈厚度预测平均误差为8.2%,相较于BP和DBO–BP模型,分别减少了9.3%和5.3%,预测精度得到较大提升,进一步证明了所提模型的可靠性. 展开更多
关键词 松动圈 BP神经网络 蜣螂优化算法 预测模型 模型性能评估
暂未订购 下载PDF
基于IDBO-SVM模型的短时交通流预测 认领 引用
7
作者 孙泰屹 汪子豪 《公路交通科技》 CAS CSCD 北大核心 2026年第4期36-45,共10页
【目标】为精准进行短时交通流预测,挖掘交通流数据潜在价值,同时为交通管理部门和出行者提供科学决策依据,提出基于改进蜣螂优化算法(IDBO)优化支持向量机(SVM)的短时交通流预测模型(IDBO-SVM)。【方法】通过引入Bernoulli混沌映射解... 【目标】为精准进行短时交通流预测,挖掘交通流数据潜在价值,同时为交通管理部门和出行者提供科学决策依据,提出基于改进蜣螂优化算法(IDBO)优化支持向量机(SVM)的短时交通流预测模型(IDBO-SVM)。【方法】通过引入Bernoulli混沌映射解决传统DBO算法初始种群分布不均问题,避免算法陷入局部最优;加入自适应权重因子改进偷窃蜣螂位置更新公式,平衡算法全局搜索与局部开发能力;融入差分进化(DE)策略增强算法后期收敛能力,提升模型精度;选取8个基准测试函数对IDBO算法进行仿真验证,再基于英国M6高速公路真实交通流数据,将IDBO-SVM模型与PSO-SVM,DE-SVM,DBO-SVM模型进行预测性能对比,以验证所提出模型的有效性。【结果】仿真结果表明,IDBO算法在单峰、多峰和固定维多峰测试函数上均具备出色的寻优性能,寻优速度和精度较传统算法显著提升;预测结果显示,IDBO-SVM模型MAE为23.14(改善0.11~3.53),RMSE值为30.79(改善0.21~4.57),MAPE值为3.77改善(0.005~0.87),预测精度大幅优于对比模型,能够实现短时交通流精准预测。【结论】该IDBO-SVM模型通过多维度改进蜣螂算法优化SVM参数,有效克服了传统模型的性能缺陷,可精准完成短时交通流预测,具有一定应用前景。 展开更多
关键词 智能交通 短时交通流预测 改进蜣螂优化算法 支持向量机 群智能算法
暂未订购 下载PDF
CW-MIDBO-ELM:一种考虑天气影响的光伏功率优化组合预测模型 认领 引用
8
作者 马彦宏 付国力 +2 位作者 高敬更 张红 姬文宣 《科学技术与工程》 EI 北大核心 2026年第13期5521-5530,共10页
因受太阳辐射、风速和温度等因素的影响,光伏发电的功率会产生较大的波动,在进行大规模光伏并网时,这种波动会对电力系统的运行和调度造成很大的困难,因此,准确的光伏发电功率预测对确保电网稳定运营起着很大的作用。提出了一种结合自... 因受太阳辐射、风速和温度等因素的影响,光伏发电的功率会产生较大的波动,在进行大规模光伏并网时,这种波动会对电力系统的运行和调度造成很大的困难,因此,准确的光伏发电功率预测对确保电网稳定运营起着很大的作用。提出了一种结合自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波分析(wavelet analysis)、多策略融合改进的蜣螂优化算法(multi-strategy improved dung beetle optimization,MIDBO)和极限学习机(extreme learning machine,ELM)的光伏功率组合预测模型,即CW-MIDBO-ELM。使用CEEMDAN联合小波降噪对影响光伏输出功率的关键影响因素进行分解重构,降低影响因素序列的非平稳性,并对蜣螂算法进行多策略融合改进,优化ELM算法的连接权重和隐含层偏置参数,提高ELM算法的网络稳定性和预测准确性。通过实验验证,所提出的光伏功率组合模型在预测性能上有明显提升。 展开更多
关键词 光伏功率预测 极限学习机 蜣螂优化算法 自适应噪声完备集合经验模态分解
暂未订购 下载PDF
IDBO-LSSVM的变压器故障诊断 认领 引用
9
作者 赵岩 田丰 陈佳华 《黑龙江科技大学学报》 CAS 2026年第3期467-474,共8页
为了提高变压器故障诊断的准确率,提出一种改进蜣螂算法(IDBO)优化最小二乘支持向量机(LSSVM)的变压器故障诊断方法。采用改进的Circle混沌映射、动态螺旋狩猎策略和黄金正弦改进冠豪猪算法的第一防御策略对蜣螂算法(DBO),以提高算法的... 为了提高变压器故障诊断的准确率,提出一种改进蜣螂算法(IDBO)优化最小二乘支持向量机(LSSVM)的变压器故障诊断方法。采用改进的Circle混沌映射、动态螺旋狩猎策略和黄金正弦改进冠豪猪算法的第一防御策略对蜣螂算法(DBO),以提高算法的收敛精度和寻优能力。通过4种测试函数,将IDBO与原始DBO、粒子群算法(PSO)和遗传算法(GA)进行对比,验证IDBO的优越性,采用IDBO对LSSVM的参数进行寻优,将变压器的故障数据集输入到优化后的模型中实现故障诊断。结果表明,与LSSVM、GA-LSSVM、PSO-LSSVM和DBO-LSSVM进行对比,文中提出的方法故障诊断准确率最高为95.31%,且运行时间最短,可适用于变压器的故障诊断。 展开更多
关键词 变压器 故障诊断 改进蜣螂算法 最小二乘支持向量机
暂未订购 下载PDF
Optimized VMD algorithm for noise reduction of absorption spectra of CO2 认领 引用
10
作者 Ru Zhang Junfen Wang +3 位作者 Xuemei Shi Mingliang Li Zhanmin Zhao Han Wang 《Optoelectronics Letters》 EI 2026年第1期23-28,共6页
The end tidal carbon dioxide(EtCO2)is crucial for monitoring patients respiratory function,which reflects the status of lung ventilation and gas exchange.Therefore,achieving accurate measurements of EtCO2holds s... The end tidal carbon dioxide(EtCO2)is crucial for monitoring patients respiratory function,which reflects the status of lung ventilation and gas exchange.Therefore,achieving accurate measurements of EtCO2holds significant importance in clinical practice.The measurements of EtCO2based on wavelength modulation-direct absorption spectroscopy(WM-DAS)had great advantages and the noise reduction of spectrum was very important.An optimized variational mode decomposition(VMD)algorithm improved by the dung beetle optimization algorithm and wavelet packet denoising algorithm was proposed to enhance the measurement accuracy of EtCO2concentration.The dung beetle optimization algorithm was used to obtain the optimal number of decomposition mode layers K and secondary penalty factorα.The optimal parameters were used to decompose the original transmitted light intensity signal with noise,and a series of intrinsic mode functions(IMFs)were obtained.Pearson correlation coefficient(R)was used to select the pure signal and the noisy signal,and the noisy signal was denoised by wavelet packet denoising algorithm.The transmitted light intensity signal was reconstructed by the signal processed by wavelet packet denoising algorithm and the pure signal.The results showed that the proposed algorithm could effectively remove the noise of signal of transmitted light intensity and improve the accuracy of concentration measurements of EtCO2. 展开更多
关键词 monitoring patients respiratory functionwhich Variational Mode Decomposition Wavelet Packet Denoising noise reduction spectrum end tidal carbon dioxide etco Dung Beetle Optimization Algorithm dung be lung ventilation
暂未订购 下载PDF
Fed-HOER: Federated Hybrid-Optimized Emotion Recognition Framework Using DBO-FLA Metaheuristic Optimization 认领 引用
11
作者 Mohammed Shukur Alfaras Oguz Karan +1 位作者 Sefer Kurnaz Ayca Kurnaz Turkben 《Computers, Materials & Continua》 SCIE EI 2026年第8期1673-1699,共27页
Despite deep learning’s high precision in emotion identification,centralized training is associated with privacy and scalability concerns.The privacy-preserving federated learning model,Federated Hybrid-Optimized Emo... Despite deep learning’s high precision in emotion identification,centralized training is associated with privacy and scalability concerns.The privacy-preserving federated learning model,Federated Hybrid-Optimized Emotion Recognition(Fed-HOER),introduced in this paper is an auto-tuning hyperparameters optimizer based on a hybrid Dung Beetle Optimizer-Fick’s Law Algorithm(DBO-FLA)optimizer.The global and local searches are optimized at two levels,and validation loss is minimized by 22%–24%without sharing raw data.The experiments on Extended Cohn–Kanade(CK+),Japanese Female Facial Expressions(JAFFE),and Karolinska Directed Emotional Faces(KDEF)exhibit a high generalization rate with a mean accuracy of 98.14.The findings demonstrate that Fed-HOER is statistically significantly better than baseline configurations.The results show that the suggested framework offers a favorable trade-off between predictive accuracy and privacy protection,which is why it can be used in the healthcare,educational,and other emotion-related fields. 展开更多
关键词 Emotion recognition affective computing federated learning Dung Beetle Optimizer(DBO) Fick’s Law Algorithm(FLA) hybrid metaheuristic optimization privacy preservation convolutional neural networks(CNN)
暂未订购 下载PDF
近红外光谱技术结合IDBO-SVR实时监测姜黄素逆流提取中多组分含量 认领 引用
12
作者 张恺琦 查丽 +1 位作者 车鑫 王立红 《食品科学》 EI CAS CSCD 北大核心 2026年第4期172-179,共8页
为实时监测逆流提取过程中多组分指标含量变化,以逆流提取的姜黄素类特征成分为实验对象,首先采集各提取点的近红外光谱数据,采用高效液相色谱(high performance liquid chromatography,HPLC)法测定目标组分的含量作为参考值,然后通过... 为实时监测逆流提取过程中多组分指标含量变化,以逆流提取的姜黄素类特征成分为实验对象,首先采集各提取点的近红外光谱数据,采用高效液相色谱(high performance liquid chromatography,HPLC)法测定目标组分的含量作为参考值,然后通过光谱预处理与变量筛选方法优化光谱数据,并分别采用混合策略改进的蜣螂优化算法(hybrid strategy improved dung beetle optimizer,IDBO)、人工蜂鸟优化算法和鲸鱼优化算法对支持向量回归(support vector regression,SVR)模型的关键参数进行优化。结果表明,IDBO-SVR的检测性能最优,其预测集决定系数R均大于0.93,寻优效率高。本研究构建的IDBO-SVR模型能在10 s内同步监测提取过程中多组分含量变化,相比传统HPLC法(单样品需40 min)分析效率大幅提升,该模型可实现姜黄素逆流提取过程的可视化监测,为提取过程的实时调控提供技术支撑,进而有效提升提取效率与产品质量稳定性。 展开更多
关键词 近红外光谱技术 支持向量回归 逆流提取 姜黄素 混合策略改进的蜣螂优化算法
暂未订购 下载PDF
基于IDBO-LSSVR的速效钾预测方法与系统 认领 引用
13
作者 孙博 赵斌 +3 位作者 衣淑娟 王淞 李明洋 葛九鹏 《农机化研究》 北大核心 2026年第10期75-83,共9页
针对现有土壤钾肥检测方法成本高、时效性差、难以满足短时间内大面积施肥处方图生成的问题,提出了一种基于改进蜣螂优化算法(Improved Dung Beetle Optimizer,IDBO)优化最小二乘支持回归机(Least Squares Support Vector Regression,LS... 针对现有土壤钾肥检测方法成本高、时效性差、难以满足短时间内大面积施肥处方图生成的问题,提出了一种基于改进蜣螂优化算法(Improved Dung Beetle Optimizer,IDBO)优化最小二乘支持回归机(Least Squares Support Vector Regression,LSSVR)的多模态反演土壤速效钾预测模型(IDBO-LSSVR)。对介电型土壤电导率传感器测量原理和影响因素进行分析,得出土壤墒情对测量精度具有显著影响,利用补墒装置确保土壤中离子跃迁能力升高至传感器可捕获稳定信号的程度。搭建农田信息采集平台,自动采集土壤电导率、温度、湿度的数据,通过LSSVR反演模型预测速效钾含量;提出一种多策略融合的IDBO算法,对LSSVR模型关键参数c、σ进行离线整定,解决了因反演模型参数整定不良导致预测精度低和泛化能力差的问题。为验证其优越性,进行LSSVR、DBO-LSSVR和IDBO-LSSVR模型的仿真对比试验与田间试验。仿真试验结果表明:基于IDBO-LSSVR算法的土壤速效钾反演模型预测精度和可靠性显著提升;田间试验结果表明:基于电导率反演土壤速效钾方法成本低、时效高,平均绝对误差为21.100 mg/kg,均方误差为23.468 mg/kg,决定系数为0.902,满足农田施肥作业误差要求,能够准确、快速地获取土壤养分分布情况。 展开更多
关键词 土壤速效钾预测模型 改进蜣螂优化算法 最小二乘支持回归机 介电型电导率传感器
暂未订购 下载PDF
基于模态分解和LSTM-IDBO-GRU的光伏功率预测研究 认领 引用
14
作者 朱婷 颜七笙 《动力工程学报》 CAS CSCD 北大核心 2026年第8期117-127,共11页
为提高光伏发电功率的预测精度,提出了一种基于霜冰优化算法(RIME)、变分模态分解(VMD)、长短期记忆网络(LSTM)和改进蜣螂优化算法(IDBO)优化门控循环单元(GRU)的光伏功率组合预测模型。该方法首先以最小包络熵作为优化算法的适应度函数... 为提高光伏发电功率的预测精度,提出了一种基于霜冰优化算法(RIME)、变分模态分解(VMD)、长短期记忆网络(LSTM)和改进蜣螂优化算法(IDBO)优化门控循环单元(GRU)的光伏功率组合预测模型。该方法首先以最小包络熵作为优化算法的适应度函数,使用RIME对VMD进行优化,寻找本征模态函数(IMF)分量的个数和惩罚因子的最优参数组合。其次,根据过零率将这些分量划分为低频和高频,低频分量使用LSTM模型进行预测,针对高频分量预测精度无法保证的问题,采用多种策略对传统的蜣螂优化算法进行改进,并利用IDBO-GRU模型对高频分量进行预测。最后,将预测结果重构得到光伏发电功率的最终结果。对比实验结果表明:相对于VMD-LSTM-GRU、RIME-VMD-LSTM-GRU和RIME-VMD-LSTM-蜣螂优化算法(DBO)-GRU模型,所提组合模型优于其他模型,各误差评价指标最小,具有更高的预测精度。 展开更多
关键词 光伏发电功率预测 霜冰优化算法 VMD 改进蜣螂优化算法 LSTM GRU
暂未订购 下载PDF
基于IDBO-CNN-BiLSTM锂电池剩余使用寿命预测 认领 引用
15
作者 梁兆松 田恩刚 李磊 《电子科技》 2026年第1期18-24,共7页
电池健康状态(State of Health,SOH)和剩余使用寿命(Remaining Useful Life,RUL)是电池健康管理的重要评价指标。针对锂电池在使用过程中受较多复杂因素影响难以准确预测其剩余使用寿命问题,文中提出了一种基于IDBO-CNN-BiLSTM(Improved... 电池健康状态(State of Health,SOH)和剩余使用寿命(Remaining Useful Life,RUL)是电池健康管理的重要评价指标。针对锂电池在使用过程中受较多复杂因素影响难以准确预测其剩余使用寿命问题,文中提出了一种基于IDBO-CNN-BiLSTM(Improved Dung Beetle Optimizer-Convolutional Neural Networks-Bi-directional Long Short-Term Memory)的混合预测模型。通过分析锂电池充电过程中的状态来提取9种健康因子(Health Factor,HF),通过皮尔逊相关系数筛选强相关性健康因子,并将其作为模型输入。采用混沌初始化Tent映射生成蜣螂的初始位置,采用正余弦策略优化偷窃蜣螂位置,解决了DBO(Dung Beetle Optimizer)算法初始化导致的局部收敛问题以及优化了DBO算法的平衡性,提高了预测的稳定性。基于NASA(National Aeronautics and Space Administration)提供的公开锂电池老化数据集进行实验,并使用不同模型预测NASA锂电池SOH,结果表明所提方法误差更小,具有一定应用价值。 展开更多
关键词 锂离子电池 健康因子 卷积神经网络 双向长短期记忆神经网络 混合模型 健康状态 剩余使用寿命 蜣螂优化算法
暂未订购 下载PDF
基于IDBO-VMD-CNN-BiLSTM的电机轴承故障诊断方法 认领 引用
16
作者 张荣荣 曾宪文 《上海电机学院学报》 2026年第2期107-112,共6页
针对滚动轴承早期故障信号在强噪声背景下强度较弱,导致特征数据提取效果不佳、准确率及效率低下的问题,提出一种基于改进蜣螂算法(IDBO)优化变分模态分解(VMD)并结合双向长短期记忆网络(BiLSTM)的电动机轴承故障诊断方法。首先,利用IDB... 针对滚动轴承早期故障信号在强噪声背景下强度较弱,导致特征数据提取效果不佳、准确率及效率低下的问题,提出一种基于改进蜣螂算法(IDBO)优化变分模态分解(VMD)并结合双向长短期记忆网络(BiLSTM)的电动机轴承故障诊断方法。首先,利用IDBO找到最佳的VMD参数,并采用最优参数提取故障特征;其次,将提取的特征输入CNN-BiLSTM模型,实现故障分类。为解决DBO优化算法全局探索与局部开发能力上不平衡以及收敛速度慢的问题,采用Logistic混沌映射、动态调整混沌因子等策略对蜣螂优化算法进行改进。实验仿真结果表明,IDBO-VMD-CNN-BiLSTM模型相较于其他故障诊断模型具有明显的优越性。 展开更多
关键词 改进蜣螂算法 变分模态分解 深度神经网络 电机轴承故障诊断
暂未订购 下载PDF
基于MI-IDBO-LSTM的SCR脱硝系统出口NOx体积分数预测 认领 引用
17
作者 陈静 朱龙祥 《哈尔滨商业大学学报（自然科学版）》 CAS 2026年第2期195-202,共8页
针对燃煤电厂SCR脱硝系统大时滞、多扰动导致的出口氮氧化合物体积分数预测误差大的问题,提出一种基于MI-IDBO-LSTM的SCR出口NOx体积分数预测模型.利用互信息法(MI)完成各个输入变量的时延估计,对数据进行时序重构,基于处理后的数据... 针对燃煤电厂SCR脱硝系统大时滞、多扰动导致的出口氮氧化合物体积分数预测误差大的问题,提出一种基于MI-IDBO-LSTM的SCR出口NOx体积分数预测模型.利用互信息法(MI)完成各个输入变量的时延估计,对数据进行时序重构,基于处理后的数据,使用LSTM建立预测模型.通过引入Tent混沌映射、自适应权重和融合自适应权重的蛇鹭优化算法来改进蜣螂算法(DBO),以提高算法的寻优能力.利用IDBO寻优LSTM关键参数,以提高模型预测精度.基于国内某350 MW燃煤电厂SCR脱硝系统的历史运行数据进行仿真实验,将IDBO-LSTM的仿真结果与LSTM、DBO-LSTM进行对比,结果显示,IDBO-LSTM的平均绝对误差、决定系数和均方根误差分别为0.453、0.976、0.621,为各模型中的最优值.实验表明,基于MI-IDBO-LSTM的预测模型可以实现精准预测. 展开更多
关键词 SCR脱硝 时延估计 改进蜣螂算法 长短期记忆网络 预测模型
暂未订购 下载PDF
基于KLDA-IDBO-BP的装甲车发动机故障诊断 认领 引用 被引量：6
18
作者 李英顺 于昂 +2 位作者 李茂 贺喆 刘师铭 《兵工学报》 EI CAS CSCD 北大核心 2025年第3期105-113,共9页
润滑油在发动机中发挥作用时携带着大量关于发动机的状态信息,能够对发动机产生的故障进行表征,可利用其对发动机进行故障诊断。以某型装甲车辆发动机为研究对象,提出一种基于核线性判别和改进的蜣螂优化算法优化反向传播(Back Propagat... 润滑油在发动机中发挥作用时携带着大量关于发动机的状态信息,能够对发动机产生的故障进行表征,可利用其对发动机进行故障诊断。以某型装甲车辆发动机为研究对象,提出一种基于核线性判别和改进的蜣螂优化算法优化反向传播(Back Propagation,BP)神经网络的故障诊断方法。对获取的润滑油数据通过核线性判别分析进行降维处理,降维后的数据作为BP神经网络的输入,通过引入最优拉丁超立方、权重因子以及Levy飞行策略对蜣螂优化算法进行改进,进一步对BP神经网络的关键参数进行优化,建立故障诊断模型,实现对测试数据的故障预测。实验结果验证了新方法在进行故障诊断预测方面的有效性,为装甲车辆发动机的维护和修理提供了科学依据。 展开更多
关键词 润滑油信息 发动机 故障诊断 蜣螂优化算法 反向传播神经网络 核线性判别分析
暂未订购 下载PDF
基于KNN-IDBO-LSTM的光伏短期发电预测方法研究 认领 引用 被引量：6
19
作者 皮琳琳 田立国 《太阳能学报》 EI CAS CSCD 北大核心 2025年第5期320-330,共11页
提出一种基于K-近邻(KNN)数据预处理和改进蜣螂算法(IDBO)优化的长短期记忆神经网络(LSTM)光伏出力预测模型。首先,采用KNN补全缺失数据并校正异常数据,并提取易于训练的时序特征;然后,提出一种基于IDBO的LSTM模型参数优化方法,在原始DB... 提出一种基于K-近邻(KNN)数据预处理和改进蜣螂算法(IDBO)优化的长短期记忆神经网络(LSTM)光伏出力预测模型。首先,采用KNN补全缺失数据并校正异常数据,并提取易于训练的时序特征;然后,提出一种基于IDBO的LSTM模型参数优化方法,在原始DBO的基础上,采用种群均匀初始化策略,融合Levy飞行进行蜣螂位置迭代,引入种群密度概念动态调整种群数量,在保证全局搜索能力的同时大幅降低搜索时间;最后,基于澳大利亚某光伏阵列数据评估优化后模型预测性能。结果表明:在晴天、多云和雨天3种情况下,相比于KNN-LSTM,KNN-IDBO-LSTM的决定系数(R2)最高提升2.67%、均方根误差(RMSE)最高降低71.2%、平均绝对误差(MAE)最高降低79.9%、运行时间减少33.6%。 展开更多
关键词 光伏发电预测 长短期记忆神经网络 改进蜣螂优化算法 数据挖掘
暂未订购 下载PDF
基于IDBO-HKELM的冷水机组故障诊断方法 认领 引用 被引量：1
20
作者 王宏 储盼 +3 位作者 管大松 郭洋 田增瑞 盛英杰 《科学技术与工程》 EI 北大核心 2025年第22期9505-9513,共9页
冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习... 冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习机(hybrid kernel extreme learning machine,HKELM)融合的故障诊断模型,用于实现冷水机组早期故障的精确诊断。该模型首先采用混合核函数提高核极限学习机(kernel extreme learning machine,KELM)的学习能力和泛化性,其次将Bernoulli映射、自适应惯性因子和Levy飞行融合动态权重系数策略用于改进蜣螂优化算法(dung beetle optimizer,DBO),以平衡DBO算法的全局探索性能。最后通过基准函数验证IDBO算法的有效性,利用IDBO算法对HKELM超参数进行优化,从而构建用于冷水机组早期故障诊断的数据驱动模型。通过相关训练仿真和实验验证,所提出的IDBO-HKELM模型对冷水机组的早期故障诊断准确率提高到99.71%,对比其他算法具有明显优势。 展开更多
关键词 冷水机组 群体算法 HKELM IDBO算法 故障诊断
暂未订购 下载PDF
已选0条
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 … 17 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈