-
公开(公告)号：CN111667466A
公开(公告)日：2020-09-15
申请号：CN202010453190.8
申请日：2020-05-26
Applicant: 湖北工业大学
Abstract: 本发明提出了一种带钢表面质量缺陷多分类的多目标优化特征选择方法。本发明构建带钢表面质量缺陷数据集，将样本特征值向量进行归一化；将归一化之后的数据集中与类别对应的样本子集先互斥拆分，再按自助采样法采样生成多个亚子集；计算均衡分布的样本子集中的各特征权重均值，得到筛选之后的特征子集；构建带钢表面质量缺陷多分类问题的特征选择多目标优化模型；应用NSGA-III算法求解，通过特征权重降序基因填充构造法生成初始种群；经过多轮的迭代优化，最后得到优化结果作为带钢表面质量缺陷多分类的最优特征选择子集。本发明实现在高维特征空间中快速提取有效的特征子集，消除大量低关联度和冗余特征，同时使分类器达到最佳分类性能。
-
公开(公告)号：CN111667098A
公开(公告)日：2020-09-15
申请号：CN202010405975.8
申请日：2020-05-14
Applicant: 湖北工业大学
Abstract: 本发明提出了一种基于多模型组合优化的风力电站输出功率预测方法。获取目标风力电站的气象影响因子数据、风电功率数据，依次进行数据缺失值补齐、数据归一化，并通过灰色关联度分析法分析二者的关联度；进一步建立支持向量机预测模型，通过灰狼群优化算法优化参数；将优化后支持向量机模型作为弱回归器，通过建立AdaBoost集成模型构建强回归器，利用强回归器预测获得训练集风电功率预测值序列；进一步构建门控循环单元网络对误差序列E进行预测；将修正后的预测误差值与AdaBoost集成预测模型的预测结果进行叠加，获得最终预测结果。本发明提升了风电功率预测模型的预测效率、预测精度，有助于电力系统的科学调度和并网运行的安全稳定。
-
公开(公告)号：CN111667466B
公开(公告)日：2023-04-18
申请号：CN202010453190.8
申请日：2020-05-26
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/006 , G06N3/08
Abstract: 本发明提出了一种带钢表面质量缺陷多分类的多目标优化特征选择方法。本发明构建带钢表面质量缺陷数据集，将样本特征值向量进行归一化；将归一化之后的数据集中与类别对应的样本子集先互斥拆分，再按自助采样法采样生成多个亚子集；计算均衡分布的样本子集中的各特征权重均值，得到筛选之后的特征子集；构建带钢表面质量缺陷多分类问题的特征选择多目标优化模型；应用NSGA‑III算法求解，通过特征权重降序基因填充构造法生成初始种群；经过多轮的迭代优化，最后得到优化结果作为带钢表面质量缺陷多分类的最优特征选择子集。本发明实现在高维特征空间中快速提取有效的特征子集，消除大量低关联度和冗余特征，同时使分类器达到最佳分类性能。
-
公开(公告)号：CN111667098B
公开(公告)日：2023-04-18
申请号：CN202010405975.8
申请日：2020-05-14
Applicant: 湖北工业大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/006 , G06N3/0442 , G06N3/09
Abstract: 本发明提出了一种基于多模型组合优化的风力电站输出功率预测方法。获取目标风力电站的气象影响因子数据、风电功率数据，依次进行数据缺失值补齐、数据归一化，并通过灰色关联度分析法分析二者的关联度；进一步建立支持向量机预测模型，通过灰狼群优化算法优化参数；将优化后支持向量机模型作为弱回归器，通过建立AdaBoost集成模型构建强回归器，利用强回归器预测获得训练集风电功率预测值序列；进一步构建门控循环单元网络对误差序列E进行预测；将修正后的预测误差值与AdaBoost集成预测模型的预测结果进行叠加，获得最终预测结果。本发明提升了风电功率预测模型的预测效率、预测精度，有助于电力系统的科学调度和并网运行的安全稳定。
-
-
-
Search Results
4
records
(took 0.019 seconds)
