-
公开(公告)号：CN108204944A
公开(公告)日：2018-06-26
申请号：CN201810039763.5
申请日：2018-01-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于APSO优化的LSSVM的埋地管道腐蚀速率预测方法。该方法基于自适应粒子群（APSO）优化的最小二乘支持向量机（LSSVM）应用于埋地管道腐蚀速率预测中。本发明方法对改善埋地管道腐蚀速率的预测效果显著，LSSVM模型在建模过程中具有更快的学习速度，同时，采用APSO进行参数优化，提高了模型的预测精度和泛化能力，在埋地管道腐蚀速率预测中可用性很强。
-
公开(公告)号：CN110610275A
公开(公告)日：2019-12-24
申请号：CN201910883706.X
申请日：2019-09-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于ACQPSO-ELM的变风量空调负荷预测方法及系统，首先对空调能耗样本数据进行归一化处理；然后建立ELM模型并利用ACQPSO算法优化ELM的隐含层节点个数，利用归一化后的样本数据训练优化后的ELM模型；然后采用优化后的ELM模型对新的样本数据进行预测；最后对预测的结果进行反归一化处理，得到最终的空调负荷预测结果。本发明可有效的应用于空调负荷预测，具有良好的预测精度和鲁棒性能。
-
Patent Agency Ranking
公开(公告)号：CN104463381A
公开(公告)日：2015-03-25
申请号：CN201510000613.X
申请日：2015-01-04
Applicant: 福州大学
Abstract: 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，提高模型的学习性能和泛化能力。本发明可有效的应用于建筑能耗预测，具有良好的预测精度和鲁棒性能。
-
公开(公告)号：CN119514333A
公开(公告)日：2025-02-25
申请号：CN202411539477.7
申请日：2024-10-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进樽海鞘算法的燃料电池参数估计方法。参数估计对质子交换膜燃料电池(PEMFC)系统的建模、设计和运行至关重要。然而，PEMFC系统固有的非线性和复杂的动力学特性给传统的优化技术带来了巨大的挑战，难以实现准确有效的参数优化。为了解决这些问题，我们提出了一种新的优化方法，称为改进樽海鞘算法(HSSA)。在HSSA中，采用正交学习策略帮助领导者避免陷入局部最优，提高其探索新领域和有前景领域的能力。同时，将动态控制参数机制引入到随动索的位置更新方程中，以保持勘探与开采能力之间的适当平衡。采用Levy飞行策略，增加种群多样性，提高SSA的探测效率。本发明可有效的应用于燃料电池参数辨识，具有良好的估计精度和鲁棒性能。
-
公开(公告)号：CN110610275B
公开(公告)日：2022-05-13
申请号：CN201910883706.X
申请日：2019-09-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于ACQPSO‑ELM的变风量空调负荷预测方法及系统，首先对空调能耗样本数据进行归一化处理；然后建立ELM模型并利用ACQPSO算法优化ELM的隐含层节点个数，利用归一化后的样本数据训练优化后的ELM模型；然后采用优化后的ELM模型对新的样本数据进行预测；最后对预测的结果进行反归一化处理，得到最终的空调负荷预测结果。本发明可有效的应用于空调负荷预测，具有良好的预测精度和鲁棒性能。
-
公开(公告)号：CN110553376A
公开(公告)日：2019-12-10
申请号：CN201910881438.8
申请日：2019-09-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于CQPSO算法的VAV空调系统温度控制方法，包括以下步骤：步骤S1：初始化粒子群；步骤S2：计算种群的平均最优位置；步骤S3：对群体中的每一个粒子 ，执行处理操作：步骤S4：判断是否满足算法结束条件，若满足则执行步骤S5，否则，置返回步骤S2；步骤S5:得到并输出最优解；步骤S6：将求得的最优解代入PID方程，得到基于CQPSO的PID参数优化控制模型，并建立压力无关型变风量末端装置串级控制器。本发明,CQPSO-PID控制器具有超调量小，精度高的特点，能够获得良好的控制效果。
-
公开(公告)号：CN109284876A
公开(公告)日：2019-01-29
申请号：CN201811373878.4
申请日：2018-11-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于PCA-RBF埋地管道腐蚀速率预测方法。该方法通过结合PCA的特征提取功能和RBF网络强大的函数逼近能力，建立基于PCA和RBF神经网络的埋地管道腐蚀速率预测模型。本发明方法对改善埋地管道腐蚀速率的预测效果显著，PCA-RBF模型在建模过程中具有更快的学习速度，同时提高了模型的预测精度和泛化能力，在埋地管道腐蚀速率预测中可用性很强。
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
