首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业和信息化部
  • 主办:南京航空航天大学
  •           全国高校机械工程测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
基于深度分解的非平稳非高斯过程多步预测
Non-stationary and Non-Gaussian Process Multi-step Prediction Based on Hybrid Deep Decomposition
  
DOI:10.16450/j.cnki.issn.1004-6801.2020.04.012
中文关键词:  非平稳非高斯过程  极端风  混合深度分解  小波混合核  最小二乘支持向量机  多步预测
英文关键词:Non-stationary and non-Gaussian process  extreme wind  hybrid deep decomposition  wavelet hybrid kernel function  least square support vector machine  multi-step prediction
基金项目:国家自然科学基金资助项目(51778354)
作者单位
李春祥,金梦雅 (上海大学土木工程系上海200444) 
摘要点击次数: 56
全文下载次数: 16
中文摘要:
      首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处理,降低实测风速风压复杂性,提升其可预测性;其次,根据Mercer定理构造了Morlet+Hermite(MH)线性组合核函数,使其具有局部多分辨性和全局泛化性的优点,采用粒子群算法(particle swarm optimization,简称PSO)对MH核进行参数优化,结合最小二乘支持向量机(least square support vector machine,简称LSSVM)建立HDD-MH-LSSVM多步预测模型;然后,将该模型与常用核函数构成的HDD-Poly-LSSVM,HDD-径向基函数(radial basis function,简称RBF)-LSSVM多步预测模型以及极限学习机(extreme learning machine,简称ELM)多步预测模型形成对比;最后,采用下击暴流风速和台风天大跨膜结构表面实测风压进行大步数多步预测验证。结果表明,HDD-MH-LSSVM预测算法预测精度高、稳定性好、通用性强。
英文摘要:
      The paper focuses on multi-step prediction of non-stationary and non-Gaussian processes. First,hybrid deep decomposition (HDD) is proposed to deal with non-stationary and non-Gaussian processes combining wavelet packet decomposition (WPD), sample entropy, unit root test and variational mode decomposition (VMD). The complexity of measurement of wind speed and pressure is reduced and the predictability is improved. Second, according to Mercer′s theorem, the MH kernel function is constructed by the linear combination of Morlet kernel function and Hermite kernel function, which takes the advantages of local multi-resolution and global generalization. Particle swarm optimization (PSO) is used to optimize the parameters of MH kernel. Least square support vector machine (LSSVM) is used to build HDD-MH-LSSVM multi-step prediction model. The down-burst wind speed and the measured wind pressure on the surface of the large trans-membrane structure of the typhoon are used for large-step multi-step prediction verification. The results show that the HDD-MH-LSSVM prediction algorithm has higher prediction accuracy, good stability and strong versatility.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2174665位访问者 本站今日一共被访问177

技术支持:北京勤云科技发展有限公司