公共文化服务平台

戴坤成: 作品数：17 被引量：75H指数：7; 供职机构：福州大学石油化工学院更多>>; 发文基金：国家自然科学基金国家教育部博士点基金更多>>; 相关领域：建筑科学自动化与计算机技术机械工程文化科学更多>>

合作作者

灰色—支持向量机的空调负荷预测被引量：7: 2014年; 对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。; 赵超戴坤成黄云云; 关键词：空调负荷支持向量机

一种婴儿床智能摇摆控制装置: 本发明涉及一种婴儿床智能摇摆控制装置，包括床身和摇篮，所述摇篮经摆绳悬挂于床身内，所述床身上设置有位于摇篮下方且由电控装置控制的电机，所述电机的输出轴上设置有主动齿轮，所述床身上设置有分别位于主动齿轮两侧的第一从动齿轮和...; 钟舜聪凌诚育戴坤成纪文套吴晓东; 文献传递

基于RLSSVM-CPSOSA的PEM燃料电池系统建模: 2017年; PEMFC电堆是一个包括流动、传热、传质和电化学反应等多种物理化学现象的复杂机体,其建模问题是一个具有挑战性的问题。本文提出一种基于RLSSVM-CPSOSA模型的燃料电池建模方法。CPSOSA算法将CO算法、模拟退火算法和粒子群算法有机结合,以克服粒子群算法早熟收敛的不足。然后利用CPSOSA算法对鲁棒最小二乘支持向量机模型(RLSSVM)进行参数寻优,从而获得RLSSVM-CPSOSA燃料电池模型。以MATLAB平台搭建PEMFC电堆模型并进行仿真研究,结果表明所提出的RLSSVM-CPSOSA模型的有效性和良好的预测精度。为PEM燃料电池实时控制系统奠定了基础。; 赵超陈培江王贵评戴坤成; 关键词：质子交换膜燃料电池

基于KPCA-WLSSVM的建筑能耗预测模型被引量：7: 2015年; 为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCAWLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。; 赵超戴坤成王贵评; 关键词：建筑能耗核主元分析支持向量机

基于自适应加权最小二乘支持向量机的短期电力负荷预测被引量：8: 2015年; 针对电力负荷建模过程中数据可能存在异常值及异常值对模型性能的影响,提出一种基于自适应加权最小二乘支持向量机(AWLS-SVM)回归方法的短期电力负荷预测模型.利用改进的正态分布加权规则自适应地为每个建模样本分配不同的权值,并结合粒子群遗传算法对模型参数进行优化选择,以进一步提高模型的预测精度和泛化能力.以北方某城市电网季度负荷数据为例,对模型的性能进行检验.计算结果表明,AWLS-SVM模型在预测精度和泛化能力方面均优于最小二乘支持向量机(LS-SVM)模型及加权最小二乘支持向量机(WLS-SVM)模型.; 赵超戴坤成; 关键词：短期负荷预测自适应加权最小二乘支持向量机

基于PCA与RBF的建筑能耗预测建模被引量：11: 2015年; 由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.; 戴坤成王贵评赵超; 关键词：建筑能耗主成分分析 RBF神经网络正交试验组合预测

基于KPCA-WLSSVM的建筑能耗预测模型: 为了降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支...; 许巧玲严哲钦吴炜洪戴坤成; 关键词：建筑能耗; 文献传递

基于KPCA与WLSSVM的建筑能耗预测方法: 本发明涉及一种基于KPCA与WLSSVM的建筑能耗预测方法，该方法利用核主元分析(KPCA)消除样本共线性，降低维数，进而建立加权最小二乘支持向量（WLSSVM）模型，并结合粒子群(PSO)算法优化模型参数，提高模型的学...; 赵超王贵评戴坤成

基于AWLS-SVM的污水处理过程软测量建模被引量：27: 2015年; 针对污水处理过程建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用一种全局优化算法——混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立污水处理过程出水水质关键参数的软测量模型,获得了较好的效果。; 赵超戴坤成王贵评张登峰; 关键词：污水处理过程混沌粒子群模拟退火软测量建模

基于自适应加权最小二乘支持向量机的青霉素发酵过程软测量建模被引量：7: 2017年; 针对生化过程软测量建模过程中样本数据可能包含的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(Adaptive weighted least squares support vector machine,AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的正态分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用混沌差分进化—模拟退火(Chaos differential evolution simulated annealing,CDE-SA)算法对模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于最小二乘支持向量机(Least squares support vector machine,LS-SVM)和加权最小二乘支持向量机(Weighted least squares support vector machine,WLS-SVM)。利用Pensim仿真平台的数据,将AWLS-SVM方法用于青霉素发酵过程软测量建模,获得了较好的效果。; 赵超李俊戴坤成王贵评; 关键词：加权最小二乘支持向量机青霉素发酵过程软测量建模

戴坤成

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

戴坤成

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈