共查询到20条相似文献，搜索用时 31 毫秒
1.
热值是灌木生物质能源利用的重要燃烧性能参数之一。针对传统实验室检测方法破坏性大、费时费力、无法实现大量样本的快速检测问题,探讨了沙柳冠层可见-近红外光谱(Vis-NIR)结合不同化学计量学方法预测沙柳热值的精度差异。采用标准正态变量变换(SNV)、归一化数据(normalize)、标准正态变量变换+归一化数据和第二代小波变换即提升小波变换(LWT)对冠层光谱进行预处理,采用偏最小二乘法(PLS)和卷积神经网络(CNN)构建了沙柳热值可见-近红外模型。同时,对比分析了鲸鱼优化算法(WOA)、麻雀搜索算法(SSA)和灰狼优化算法(GWO)对CNN模型参数的优化效果。结果表明：当采用db4小波进行5层分解后,其对沙柳冠层可见-近红外光谱的去躁效果最好,基于LWT-WOA-CNN法构建的沙柳热值可见-近红外模型的预测精度最优,校正模型的决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)分别为0.852,0.103和2.599,RPD值较原始的PLS和CNN模型分别提高19.11%和76.80%。该研究可为沙柳生物质能源的高效、精细化利用提供技术支撑。 相似文献
2.
为提高木材染配色的精度和速度,本文对樟子松木材单板进行染色,提取染色单板的光谱反射率作为输入,以支持向量回归模型(SVR)为基础作为预测模型对染料配方进行预测,用灰狼算法对SVR参数进行寻优,并引入非线性收敛因子和新的位置更新策略改进灰狼算法容易陷入局部最优的缺点,以配方相对偏差作为评价指标,与固定参数的SVR模型及其他模型做对比,优化后的模型配方相对偏差为0.177,配色效果相较于固定参数SVR模型的相对偏差0.344、遗传算法优化的SVR模型的相对偏差0.287等具有明显优势,对提高人工速生材的利用具有重要意义。 相似文献
3.
为提高风电功率的预测精度提出了一种基于改进麻雀搜索算法(ISSA)优化的支持向量机(SVM)的预测模型。首先，针对传统麻雀搜索算法收敛性不强、容易陷入局部最优解、初始解随机性不强等问题，采用了Halton序列模型对麻雀搜索算法的初值进行改进，并采取了反向学习策略以及柯西变异策略对麻雀个体的位置进行调整扰动，得到了一种收敛性强的改进麻雀搜索算法(ISSA)。随后，利用ISSA对支持向量机的超参数C与g进行寻优，得到了ISSA-SVM预测模型。并对新疆哈密风光基地2022年1—12月风电场采集的风电数据进行预测实验，结果表明：相较于SVM、LSTM以及BP神经网络模型，ISSA-SVM预测精度较高。 相似文献
4.
P波段极化数据提高了雷达数据对林分冠层的穿透能力,基于RVoG模型的传统三阶段算法对林分均匀同质的假设前提不再满足实际情况。在符合林分异质性的GVB模型的基础上,利用林分高度、散射中心高度及其标准差进行三维搜索,改进传统三阶段算法中林分高度的反演过程,并分别采用仿真数据和机载E-SAR全极化数据进行算法验证。结果表明:与传统三阶段算法相比,改进算法的成功估计像元数提高了19.7%,林分高度估计精度提高了22.5%,说明改进算法能有效提高纯体相干估计的准确性,提高林分高度反演精度。 相似文献
5.
不可再生能源的大量消耗,对新能源发电提出更高的要求。国家倡导大力发展新能源发电,且光伏发电在新能源中占有非常重要的位置,然而光伏发电功率不稳定,因此实时准确预测光伏发电功率对新能源消纳和存储具有非常重要的意义。当前存在很多光伏发电功率预测算法,大量研究揭示深度学习方法能更准确地预测光伏发电功率。收集了金华市3个光伏发电站每5分钟时间窗口的发电功率,并通过网络爬虫得到相应的天气数据,再采用机器学习算法对各类天气的光伏发电功率进行预测。研究结果揭示深度学习算法(如双向长短期循环神经网络Bi-LSTM)比传统机器学习算法更好,也更稳定,且晴天和多云天气比阴雨天预测得更准确。 相似文献
6.
7.
马琳 《中南林业科技大学学报(自然科学版)》2007,27(5):140-144
遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率. 相似文献
8.
9.
针对单特征用电量预测精度较低的问题，提出了一种基于CEEMD-BiLSTM神经网络预测模型，通过CEEMD(共享经验模态分解)算法将原始用电量序列分解为IMFS分量及残差余量，并分别利用BiLSTM(双向长短期记忆网络)模型对CEEMD得到的分量进行预测，通过相加得到预测值。试验结果表明：利用CEEMD-BiLSTM相较于EEMD(集合经验模态分解)-BiLstm、EMD(经验模态分解)-BiLSTM以及BiLSTM模型，预测精度均有了显著提高。 相似文献
10.
《林业科学》2018,(12)
【目的】提出一种基于灰狼算法支持向量机(GWO-SVM)的木材密度预测模型,利用近红外光谱(NIR)对杉木密度进行预测,为杉木性质定量分析提供理论依据。【方法】将109个杉木样品光谱数据和样品密度数据进行归一化,选取88个样品作为训练集、21个样品作为测试集,对2 151维光谱数据提取主成分,以主成分作为输入变量,以杉木样本密度作为输出变量,建立杉木密度多元线性回归(MLR)模型、SVM模型和GWO-SVM模型,采用决定系数(R~2)、均方误差(MSE)和平均绝对百分误差(MAPE)对3种模型的预测结果进行比较分析。【结果】对光谱数据进行主成分分析并选择5个主成分,其累积贡献率达98.7%。MLR模型的R~2为0.771 4,MSE为0.000 282 1,MAPE为3.009 23%; SVM模型的R~2为0.923 8,MSE为0.000 233 1,MAPE为2.794 50%;灰狼算法对SVM进行参数寻优,获得的最优参数分别为C=18.366 6、σ=0.043 3,GWO-SVM模型的R~2为0.919 2,MSE为0.000 183 4,MAPE为2.496 37%。3种模型的平均绝对百分误差均在可接受范围内,且GWO-SVM模型的平均绝对百分误差最小,预测效果最好。【结论】从预测精度分析,GWO-SVM模型明显优于MLR模型和SVM模型;从模型决定系数分析,GWO-SVM模型和SVM模型均优于MLR模型。灰狼算法优化支持向量机结合近红外光谱对杉木密度进行预测分析合理、高效。 相似文献
11.
应用阿尔及利亚森林火灾数据，通过Spark MLlib中的决策树算法，提出过滤相关性高的特征参数提升模型性能，对森林火灾进行预测研究。对温度、风速、雨及加拿大森林火险气候指数（FWI）系统中主要指标等特征参数，结合森林火灾的分类情况，使用信息增益标准为Gini的二叉决策树，建立基于决策树的火灾预测模型，对样本数据进行分类预测；提出分析不同特征参数之间的相关性，剔除相关性高的特征参数，利用大数据计算框架Spark建立机器学习工作流，将计算相关性的皮尔森系数与决策树分类算法结合了起来，从而优化模型，提高预测分类精度。预测模型改进前，即未进行相关性分析的森林火灾预测分类总精度为94.94%；预测模型改进后，即进行相关性分析，剔除了相关性较高的特征参数数据，森林火灾预测分类总精度为97.17%，准确率提高了近3%。使用Spark MLlib中的机器学习算法在森林火灾预测分类方面准确率总体较高，尤其在将多种数据挖掘算法结合后，模型性能得到提高，预测分类精度更高。 相似文献
12.
13.
郁闭度超过60%的林地具有树种种类复杂、种内特征差距小及种间位置间距小等特点。虽然传统卷积神经网络(CNN)较其他分类方法具有精度高与自动化水平高等优势，但其存在学习效率低、识别精度提升困难及可解释性差等缺点。此外，传统规则分割绘制树种图的方法忽视了树种及遥感地物边界特征的变化，易在高郁闭度的林区产生椒盐现象。为解决上述问题，提出基于类激活映射及自注意力模型(ST)的新的树种分类方法(G-ST),它集成了迁移学习、ST分类模型与梯度下降的类激活映射，通过综合长距离特征、数据增强、其余领域的特征知识及预测训练关注度，提升G-ST分类精度、模型泛化能力及可解释性，结合简单线性迭代聚类方法生成树种专题地图。结果表明，该方法得到的树种图精度较传统CNN结合规则分割的制图方法更高，林木及遥感地物边界更趋近于矢量化结果，能有效为树种影像分割、制图及分布统计工作提供参考。 相似文献
14.
针对目前短时交通流量预测中在精度方面的不足,提出灰色马尔科夫波动性交通流量预测模型,用于现有道路、新建或改扩建道路断面或交叉口进出口道短时交通流量预测,并对模型的步骤进行详细说明。为进一步提高预测精度和模型收敛速度,对传统的灰色马尔科夫模型进行如下改进:对波动性交通流量数据进行预处理,对预测值使用马尔科夫转移概率作为权重进行加权计算,数据预测进行等维递推。通过改进,将灰色马尔科夫预测模型变为一种能预测波动性数据,能有效的运用到短时交通流量数据的预测中。实例表明模型能得到较好的预测精度,能满足短时交通流量预测的要求,具有较高的实用性。 相似文献
15.
16.
基于改进卷积自编码机的油茶果图像识别研究 总被引：1，自引：0，他引：1
为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法。该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器。结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性。改进算法100次迭代所需时间为166 s,平均识别准确率为90.4%;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85%的识别准确率,在样本数目为200的小数据集上可达到82%的识别准确率;同时,检测器的搭建验证了算法的有效性,在2 s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87%,使得算法具有一定的实时检测能力。试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考。 相似文献
17.
基于BP神经网络的针阔混交林TM遥感图像自动分类技术研究 总被引：3，自引：0，他引：3
在对标准BP神经网络试验分析的基础上，通过输入矢量归一化处理、主成分分析、增加验证集、改进训练学习算法、扩大隐层和输出层规模等措施，对BP神经网络自动分类系统进行改进；利用改进后的BP系统对吉林省汪清林业局的典型针阔混交林TM遥感图像进行辩识、分类试验研究。结果表明：改进后的BP网络分类系统自动分类精度提高了19．14％，比传统无监督自动分类精度提高8．55％，达到了区分森林类型的分类要求。研究还显示了该改进系统应用于针阔混交林TM遥感图像自动分类识别的精度随网络规模增大而提高。 相似文献
18.
19.
【目的】为提高野生动物在复杂森林环境中的检测精度,促进森林野生动物保护技术发展,提出一种基于YOLOv5s网络模型、针对陷阱相机所摄取森林野生动物图像的改进检测算法。【方法】以包含湖南壶瓶山国家级自然保护区几种典型森林野生动物在内的数据集为研究对象,首先,对真实标注框图像进行裁剪、归一化和缩放处理,随机将2～4张裁剪图像拼贴组成新的数据集元素,以丰富和增强数据集图像信息;其次,使用一种基于通道注意力思想的加权通道拼接方法,在通道拼接时引入权重改变通道数量,通过反向传播训练方法不断更新权重以增加重要特征信息的通道层数;接着,引入Swin Transformer模块与CNN网络相结合,为卷积神经网络特征提取加入自注意力机制,融合2种网络特征提取层的优势,提高特征提取的感受野;最后,选择更优的α-DIoU损失函数替代GIoU损失函数,针对边界框重叠面积和中心点距离造成的损失,引入新的几何因素惩罚项。【结果】在相同试验条件和数据集下,相比原YOLOv5s网络模型,改进算法极大提高检测的平均准确率和平均回归率,均值平均精度由74.1%提升至88.4%,获得14.3%的精度提升,同时也超过YOLO... 相似文献
20.
指出了煤层气含量预测是煤层气勘探开发的一个关键问题,传统的线性回归预测方法已不能反映各影响因子和煤层气含量之间的内在关系,据此提出了基于遗传-BP神经网络的非线性新型智能算法。其中,神经网络用来学习,遗传算法用来优化神经网络的连接权值及阈值,该方法能有效避免陷入局部极小值,具有全局寻优的特点。研究表明:构建的新型智能算法相对标准的BP网络预测精度要高,该方法为今后煤层气含量的预测提供了可靠依据。 相似文献