“丁晓达”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]LSSVM非高斯脉动风速预测方法-CN201510612740.5有效
发明人：李春祥;丁晓达 -专利权人：上海大学
申请日： 2015-09-23 - 公布日： 2018-12-07 - 主分类号： G06F17/50 文献下载
摘要：本发明提供一种LSSVM非高斯脉动风速预测方法，该方法包括七个步骤，具体步骤如下：用无记忆非线性转化法模拟产生非高斯随机脉动风速样本，将非高斯脉动风速样本分为训练集、测试集两部分，对其分别进行归一化处理；由训练集对LSSVM进行训练学习，进行测试集的预测，计算群体中的每一个染色体的适应度，判断算法收敛准则是否满足，若满足最优参数组合则把组合解放入集合，进入第五步，否则进入第四步。本发明利用遗传算法和蚁群算法混合方式智能提取LSSVM的最有参数组合，进而建立优化的LSSVM预测模型，对测试集进行预测，得到预测的非高斯脉动风速时程谱。
非高斯脉动测试集风速预测训练集风速预测样本非线性转化归一化处理参数组合风速时程混合方式算法收敛随机脉动训练学习遗传算法蚁群算法预测模型智能提取最优参数适应度染色体集合群体优化

[发明专利]基于蚁群和粒子群集成的LSSVM脉动风速预测方法-CN201510256023.3有效
发明人：李春祥;丁晓达;迟恩楠 -专利权人：上海大学
申请日： 2015-05-19 - 公布日： 2018-03-06 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种基于蚁群和粒子群集成的LSSVM脉动风速预测方法，其包括如下步骤进行归一化处理；计算每个蚂蚁的信息素浓度；蚁群中其他蚂蚁向头蚁位置移动进行全局搜索；迭代过程中对每个位置上蚂蚁信息素浓度进行更新，检查是否满足迭代终止条件，若不满足，返回第三步；否则，算法结束输出最优参数组合；初始化粒子群相关参数；将各粒子的自身最优位置适应度值与群体最优位置的适应度值比较；得到预测的脉动风速时程谱。本发明具有优化精度高，收敛精度高，迭代次数少，成功率高等特点。
基于粒子群集 lssvm 脉动风速预测方法

[发明专利]基于最优小波包变换的非平稳风速预测方法-CN201510290114.9在审
发明人：李春祥;薛伟;丁晓达 -专利权人：上海大学
申请日： 2015-05-29 - 公布日： 2015-11-11 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种基于最优小波包变换的非平稳风速预测方法，其包括如下步骤：第一步：采用谐波合成法生成零均值的非平稳风速，通过调制函数调制得到时变的非平稳风速序列；第二步：选用非对称的db类小波，利用小波包技术对进行分解；第三步：对于分解后的信号，分两类算法预测：即对高频信号采用自回归AR预测建模，对低频信号采用WSVM预测建模，其中WSVM的模型参数和核参数利用遗传算法优化选取；第四步：将高频信号的预测数据与低频信号的预测数据叠加得出最终预测结果。本发明在充分拟合低频信息的同时，也避免对高频信息的过拟合，从而提高了非平稳时间序列的预测精度。
基于最优波包变换平稳风速预测方法

[发明专利]基于遗传算法和粒子群集成的LSSVM风速预测方法-CN201510354573.9在审
发明人：李春祥;丁晓达 -专利权人：上海大学
申请日： 2015-06-24 - 公布日： 2015-09-30 - 主分类号： G06N3/12 文献下载
摘要：本发明提供一种基于遗传算法和粒子群集成的LSSVM风速预测方法，其包括如下步骤：将有限风速样本划分为训练集和测试集，进行归一化处理；初始化遗传算法、LSSVM相关参数；进行染色体编码，随机生成初始种群；计算每个染色体对应的适应度，若满足要求直接进入第五步粒子群算法，若不满足，进行遗传算法的选择、交叉、变异操作；用遗传算法得到的最优参数组合初始化粒子群相关参数；将各粒子的自身最优位置适应度值与群体最优位置的适应度值比较；输出最终的最优参数组合，得到优化的LSSVM模型；得到预测的风速时程谱。本发明具有优化精度高，收敛精度高，迭代次数少，成功率高等特点。
基于遗传算法粒子群集 lssvm 风速预测方法

[发明专利]基于核函数组合的PSO-LSSVM脉动风速预测方法-CN201510256052.X在审
发明人：李春祥;迟恩楠;曹黎媛;丁晓达 -专利权人：上海大学
申请日： 2015-05-19 - 公布日： 2015-09-09 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种基于核函数组合的PSO-LSSVM脉动风速预测方法，其包括以下步骤：利用ARMA模型模拟生成垂直空间点脉动风速样本，将每一个空间点的脉动风速样本分为训练集、测试集两部分，对其分别进行归一化处理；建立基于组合核函数的PSO-LSSVM模型；利用PSO优化后的组合核函数将脉动风速训练样本变换成为核函数矩阵，映射到高维特征空间；得到脉动风速训练样本的非线性模型，利用此模型对脉动风速测试样本进行预测；将测试样本和利用组合核函数的PSO-LSSVM预测的脉动风速结果对比，计算预测风速与实际风速的平均误差、均方根误差以及相关系数。本发明确保脉动风速预测的精确性。
基于函数组合 pso lssvm 脉动风速预测方法