基于鲸鱼优化算法改进长短期记忆神经网络的资源推荐

为了改善资源推荐算法的性能,提出基于鲸鱼优化算法(WOA)改进长短期记忆神经网络(LSTM)的资源推荐算法;首先提取资源和用户特征,构建特征差异值加权函数;然后,以资源-用户特征作为输入,建立基于LSTM的资源推荐算法,通过输入门、遗忘门、输出门及记忆节点对历史资源推荐数据按权重进行遗忘与筛选,有选择性地挑选部分数据进行循环迭代训练;考虑到LSTM的门操作需要设置的参数较多,引入WOA进行参数智能优化求解,提出WOA-LSTM算法,以提高LSTM的参数优化的精度及效率。结果表明,通过合理设置WOA参数,可以有效改善LSTM的资源推荐性能,与常用资源推荐算法相比,所提出的WOA-LSTM算法具有更高的推荐精度及稳定性。     

基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法

针对共振解调方法需要选取包含较多故障信息的共振频带这一特点,提出了一种基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法。首先,使用鲸鱼优化算法,以峭度和包络谱峭度构造的复合峭度作为优化目标,对带通滤波器参数中心频率和带宽进行自适应选择。然后,使用寻优得到的最优中心频率和带宽对轴承故障信号进行滤波分析。最后,对滤波后信号进行包络解调处理,提取出故障特征频率,判断轴承故障类型。通过对仿真信号和轴承内、外圈故障信号的分析诊断,可以证明该方法能够满足共振解调方法中对共振频带选取的要求,完成轴承信号故障频率的提取,是一种有效的轴承故障诊断方法。     

基于模型迁移和SVM的煤矿电网单相接地电容电流预测方法

针对智慧化矿山背景下煤矿电网单相接地电容电流预测精度低和智能预测实现困难的问题,提出了一种单相接地电容电流智能预测方法。采用模型迁移思想扩充矿用橡套软电缆的电容电流样本数据,以解决智能预测中电容电流数据不完备的问题;基于Sobol’敏感性方法分析了影响单相接地电容电流的关键因素及其各因素的交互关系,确定智能预测模型输入特征量;在此基础上,通过基于稀疏技术的支持向量机建立煤矿电网单相接地电容电流智能预测模型,并引入鲸鱼算法优化预测模型超参数,克服了电容电流数据样本容量小的不足。采用厂家测试数据及多家煤矿电网现场实测数据进行试验,结果表明：电缆绝缘层外径和绝缘层内径是影响单相接地电容电流的关键因素;所提方法预测煤矿电网单相接地电容电流的平均误差为2.26%,相较于现有预测方法,误差分别下降了34.19%,24.91%和7.40%。该方法实现了煤矿电网单相接地电容电流的准确预测,并为其智能化预测提供了新思路。     

基于改进鲸鱼优化算法的资源调度方法

针对在大量数据背景下云计算资源调度模型存在调度效率低、分配不合理等问题,提出一种基于改进鲸鱼优化算法（m-WOA）的云计算资源调度方法。提出了云计算资源调度模型,针对基本鲸鱼优化算法存在迭代后期种群多样性减弱、易陷入局部最优等不足,提出使用Tent混沌反向学习策略来增强种群多样性;并使用精英随机组合策略平衡算法开发和探索能力。将改进后的m-WOA算法用于数值仿真实验和云计算资源调度模型求解。实验结果表明,m-WOA具有更好的收敛精度和更强的稳定性;m-WOA能有效减少云计算完成时间和能源消耗,并提供更合理的资源调度分配方案,从而提升云计算资源利用率。     

基于莱维飞行和布朗运动的鲸鱼优化算法

针对鲸鱼优化算法存在的求解精度不高、收敛速度较慢和易陷入局部最优等缺点，设计了一种基于莱维飞行和布朗运动的鲸鱼优化算法.先利用莱维飞行方法对鲸鱼种群进行初始化，以增加初始种群的多样性；再根据布朗运动原理对鲸鱼种群的位置更新进行随机扰动，以避免算法提前陷入局部最优.将改进的鲸鱼优化算法与鲸鱼优化算法、粒子群优化算法、遗传算法和蚁群优化算法在7个不同的基准测试函数上进行对比测试，结果表明，改进的鲸鱼优化算法在求解精度、收敛速度方面均优于其他4种算法.对初始化阶段采用莱维飞行策略的改进鲸鱼优化算法与采用随机搜索策略的鲸鱼优化算法的初始解探索范围进行仿真对比实验，结果表明，改进鲸鱼优化算法一定程度上可以避免陷入局部最优.     

基于改进WOA的输电线路故障分析

针对传统支持向量机数据识别分类准确率较低的问题，设计一个改进鲸鱼算法，优化支持向量机识别输电线路故障.通过Simulink仿真搭建电网模型，提取输电线路故障特征，进而使用支持向量机识别故障；利用立方混沌映射初始化种群，引入自适应惯性权重，并把对数螺旋方程中的b设置为动态值以改进鲸鱼算法，并与传统算法进行比较.结果表明：改进鲸鱼算法对输电线路故障分类的鲁棒性强、计算效率高、寻优能力强.     

基于非结构化数据的LLE-WOA-LSSVR碳价格组合预测模型

在传统的组合预测模型中,利用的数据大多为结构化数据,然而在网络环境下,非结构化数据广泛存在,因此充分利用非结构化数据所提供的有效信息是预测中要解决的关键问题之一.针对上述问题,文章构建了基于非结构化数据的局部线性嵌入和鲸鱼优化算法的最小二乘支持向量回归(locally linear embedding-whale op...     

基于WOA-LightGBM的盾构切削锚杆参数预测

在对锚固地层工程特性分析的基础上,提出了6个可指代锚固地层特性的工程相关指标,将3个盾构机可操作参数一并纳入输入特征,并以盾构机贯入度和刀盘扭矩作为盾构机掘进性能的输出指标,构建了一套适用于盾构机穿锚问题预测的模型指标。依托武汉地铁实际工程,收集了盾构机穿锚实时掘进数据,采用LightGBM方法分别搭建了贯入度和刀盘扭矩预测模型,并利用鲸鱼优化算法（WOA）对LightGBM内的超参数进行寻优,最终得到WOALightGBM预测模型。结果表明,构建的盾构机穿锚模型指标具有一定的合理性,可成功预测盾构机穿锚掘进性能;与传统BP、ELM神经网络相比,WOA-LightGBM预测模型耗时相近,在预测精度方面有着明显优势。     

平抑风光功率波动的混合储能功率分配策略

为保证微电网可靠并网,针对风光随机出力引起的有功功率波动问题,利用混合储能系统(HESS)进行有效平抑。为充分发挥不同类型储能的特性,实现HESS功率的精确分配,提出一种基于WOA-VMD双层分解的混合储能功率分配策略。采用移动平均算法确定并网功率和HESS所需平抑的波动功率,并利用WOA-VMD分解风光波动功率。考虑到VMD分解余量可能含有丰富信息,再对余量进一步分解,完成HESS的初级功率分配。采用模糊控制优化储能设备的荷电状态(SOC),完成HESS功率的二次修正。算例分析表明,文中所提策略能够对风光波动功率进行自适应分解,实现HESS功率的合理分配,有效平抑风光功率波动,保证微电网可靠并网;并且维持储能SOC处于理想范围,避免储能设备过度充放电,确保HESS安全稳定运行。     

鲸鱼集体自杀之谜

我们有时可以从电视里看到这样的场面：退潮后的海边浅滩上躺着鲸鱼的尸体，就像搁浅的船一样。没有谁在驱赶．也没有谁在捕捞，鲸鱼为什么会自取灭亡地离开大海呢？而鲸鱼大规模地冲上海滩集体自杀的现象就更令人惊奇了。[第一段]