LHBA优化VMD降噪算法及在管道泄漏信号中的应用

针对变分模态分解(VMD:Variational Mode Decomposition)算法在分解信号时参数选择不准确导致降噪效果不理想的问题,提出一种改进的蜜獾优化算法(LHBA:Levy Honey Badger Algorithm)与VMD结合的降噪算法。首先,利用LHBA算法优选VMD的分解模态数K和惩罚因子α;其次,利用优化后的参数进行VMD信号分解;最后,计算各模态分量与原始信号之间的豪斯多夫距离(HD:Hausdorff Distance),选取有效模态分量进行信号降噪处理。实验结果表明,该算法与HBA(Honey Badger Algorithm)-VMD、 GA(Genetic Algorithm)-VMD和PSO(Particle Swarm Optimization)-VMD相比,其4种评价指标均优于其他对比算法,具有较好的降噪效果,验证了该算法的有效性和先进性。     

关于Lebesgue分解定理的证明

提供了Lebesgue分解定理的又一证明,由此可以简化Lebesgue积分基本定理的证明．这对现代分析学教程的简化和学习无疑是非常有益的。     

改进的二叉树支持向量机在人脸识别中的应用

针对人脸识别问题,提出一种基于奇异值分解特征提取和改进的二叉树支持向量机实现多分类的人脸识别方法。在使用改进的二叉树支持向量机对不同人脸图像的奇异特征向量进行分类时,先利用Mercer核,将输入空间非线性可分的训练样本映射到高维特征空间Hilbert中,使之线性可分,将类超球体半径分解成核心半径和最小半径,通过两者加权计算最终的类超球体决策半径,并以此半径大小为依据生成二叉树结构。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

矩阵奇异值分解和Arnold置乱技术在图像隐藏中的应用

基于数字图像的奇异值分解和Arnold置换,提出了一种图像的隐藏方法．在该方法中,置乱用于数字图像隐藏的预处理和后处理,奇异值分解用于将一幅图像隐藏于另一幅图像中．根据提出的数字图像隐藏技术,探讨了在数字水印技术中的应用．实验结果显示,该方法实现方便,水印的提取不需要原图像,并能较好地保障数据的安全性。     

氨基甲酸铵分解平衡实验教学研究

“氨基甲酸铵分解平衡实验”是物理化学实验中关于化学平衡的一个经典实验,该实验有利于学生加深对化学平衡的理解、掌握物理法测定化学平衡常数及巩固化学平衡常数与热力学函数之间的关系。为了提高实验教学质量,改善实验教学效果,对该实验中学生疑惑及易出错的地方,给出了解释及优化方法。采用优化的实验方案用时更少,测得的实验结果准确度高,有效提高了教学效果。     

基于EMD-LSTM的国际黄金期货价格预测

黄金是一种特殊的金融商品,黄金期货作为黄金市场的衍生品,其价格受到多方面的影响,且具有金融序列非线性不平稳的特点,因此传统的统计预测模型通常难以预测其走势.将美元指数、纳斯达克综合指数、道琼斯工业平均指数和标准普尔500指数作为国际黄金期货价格的影响因素,选择2011―2021年交易日收盘价基于EMD-LSTM的组合模型进行预测,并通过与SVR、RF、RNN和LSTM模型对比分析,结果表明：EMD-LSTM模型在国际黄金期货价格的预测上具有更良好的效果,精度更高,能更准确地预测国际黄金期货价格走势.     

草酸钙酸分解的热力学分析

为阐明草酸钙渣酸分解过程的热力学,基于同时平衡原理、质量守恒原理、电中性原则,以盐酸和硫酸为分解药剂,计算和绘制草酸钙酸分解的热力学平衡图,并结合实验验证。研究结果表明：单因素实验结果与热力学计算结果的趋势一致,且部分情况的实验值和计算值吻合;草酸钙是较稳定的沉淀,在pH=4～13的范围内,维持较低溶解水平;在盐酸体系中,氯化钙和草酸对草酸钙的溶解有显著抑制作用,而在硫酸体系中,硫酸钙的生成使溶液钙浓度维持在较低水平,从而促进草酸钙的分解;硫酸参与草酸钙分解的反应率随初始酸度增加而增加,硫酸浓度为4 mol/L时,硫酸的反应率可达39.7%;而盐酸的反应率几乎不受初始酸度的影响,维持在5.4%的较低水平。此外,硫酸参与草酸钙分解的反应率随初始草酸浓度增加而下降,但在相同初始草酸浓度下,硫酸参与草酸钙分解的反应率明显比盐酸的高。     

基于WPD-AHA-ELM模型的水质时间序列多步预测

根据水质时间序列多尺度、非平稳特性,并基于“分解-预测-重构”思想,提出小波包分解(WPD)-人工蜂鸟算法(AHA)-极限学习机(ELM)组合多步预测模型,并应用于云南省昆明西苑隧道断面pH值、CODmn、DO、NH₃-N多步预测.首先介绍AHA原理,在不同维度条件下选取6个典型函数对AHA进行仿真测试,并与灰狼优化(GWO)算法、旗鱼优化(SFO)算法、粒子群优化(PSO)算法的仿真结果进行比较;其次利用WPD对水质时序数据进行小波包分解,以降低水质序列数据的复杂度;并在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入、输出;最后通过各分量训练样本构建ELM适应度函数,采用AHA对适应度函数进行寻优,利用寻优获得的最佳ELM输入层权值和隐含层偏值建立WPD-AHA-ELM模型对各子序列分量进行超前1步至超前5步预测,将预测结果加和重构得到最终多步预测结果.结果表明：AHA具有较好的寻优精度和全局搜索能力,寻优精度优于GWO、SFO、PSO算法.WPD-AHA-ELM模型对实例断面pH、CODmn、DO、NH₃-N超前1步至超前5步...     

基于Teager能量算子瞬时能量的贯通式同相自耦变压器牵引供电系统牵引网纵联保护方案

提出一种基于Teager能量算子瞬时能量的贯通式同相AT牵引供电系统牵引网纵联保护方案。牵引变电所出口并联电容与一段接触线构成牵引网边界,通过分析发现该边界对高频信号有很强的衰减所用。利用FEEMD分解提取故障电流高频分量,然后利用Teager能量算子计算故障电流高频分量的瞬时能量,并提取两端瞬时能量最大值。区外故障时,故障电流高频分量瞬时能量最大值较小;区内故障时,该值较大。根据该差异来构造保护动作判据,判别故障位置,决定保护是否动作。基于PSCAD大量仿真实验表明,该保护方案能够准确判别区内、外故障,并且有较好的耐过渡电阻能力。     

基于分解集成方法的空中交通流量短期预测

为对空中交通流量进行短期预测,提出了基于分解集成方法的组合预测模型。首先,应用EEMD方法将流量时序数据分解为若干个分量;其次,应用排列熵计算各分量的复杂度,复杂度高于0.5的归为高频分量,其余归为低频分量;然后,高频分量采用BP神经网络算法进行预测,低频分量采用最小二乘法进行预测;接着,对分量的预测结果进行加和集成,得到了最终的预测值。最后,采集实际运行数据进行算例分析。通过比较1~6 h和7~12 h的预测结果,本文模型在1~6 h的EC值为0.905,准确度更高。与EMD-BP-OLS模型、BP模型进行比较,本文模型的评价指标均优于其他模型。通过比较60 min,30 min,15 min时间尺度数据的预测结果,60 min时间尺度的EC值为0.924,准确度最高。结果表明,本文提出的模型是可行的和有效的,更适用于短期流量预测。