[发明专利]一种基于相空间重构小波神经网络输电线路覆冰预测的方法在审

专利信息
申请号: 201811140466.6 申请日: 2018-09-28
公开(公告)号: CN109447322A 公开(公告)日: 2019-03-08
发明(设计)人: 李英娜;杨静;李川 申请(专利权)人: 昆明理工大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06N3/04
代理公司: 暂无信息 代理人: 暂无信息
地址: 650093 云*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种基于相空间重构小波神经网络输电线路覆冰预测的方法,属于输电线路覆冰预测技术领域。本发明包括步骤:首先对输电线路覆冰厚度时间序列进行相空间重构,计算出该覆冰时问序列的延迟时间和嵌入维数;其次根据相空间重构所得的嵌入维数设计小波神经网络,确定小波神经网络的各参数;最后建立基于相空间重构小波神经网络输电线路覆冰预测模型。本发明利用小波神经网络对相空间重构后的系统建模,克服了人工神经网络易陷入局部最优的固有缺陷,并且能够有效利用覆冰厚度自身历史数据进行预测,减少微气象等因素对预测精度的影响,预测简单便于工程实现。
搜索关键词: 小波神经网络 相空间重构 输电线路覆冰 预测 嵌入维数 覆冰 人工神经网络 工程实现 固有缺陷 历史数据 时间序列 系统建模 预测技术 预测模型 微气象 延迟
【主权项】:
1.一种基于相空间重构小波神经网络输电线路覆冰预测的方法,其特征在于:所述方法包括如下步骤:Step1、采集输电线路在线覆冰监测系统中的覆冰厚度时间序列作为预测研究的对象;Step2、对输电线路覆冰厚度数据进行预处理,将输入数据和归一化到[0,1]区间内,归一化公式为:式中,P为归一化后的输入数据;pa为原始输入数据;pmin为原始输入数据最小值;pmax为原始输入数据最大值;Step3、对归一化后的输电线路覆冰厚度时间序列进行相空间重构,计算出该覆冰时间序列的延迟时间τ和嵌入维数m;Step4、建立基于相空间的小波神经网络预测模型,随机初始化小波神经网络参数,包括:小波函数伸缩因子af、平移因子bf、网络连接权值wcf和wfe、网络学习速率η;确定网络输入层、隐含层、输出层节点数;Step5、样本分类,把经过相空间重构的覆冰厚度数据分为训练样本和测试样本,分别用于训练网络和测试网络预测精度;Step6、把训练样本输入网络,根据训练样本的期望输出与预测模型的实际输出得到模型的实际误差;若实际误差大于期望误差,则继续训练网络;若实际误差小于等于期望误差或训练次数已经到达最大训练次数时,结束训练;Step7、对小波神经网络权值修正,根据误差修正网络的权值和小波基函数参数,使网络预测值逼近期望值;Step8、将覆冰厚度测试样本输入已训练好的小波神经网络,从而得到相应的预测值。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201811140466.6/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top