基于改进极限学习机的雷电过电压分类识别

扫码查看

原文链接

万方数据
维普

中文摘要：以雷电过电压波形的特征信号为输入量,雷电过电压类型为输出量,采用改进粒子群算法(IPSO)对极限学习机(ELM)的权值和偏置值进行优化,建立了基于IPSO-SVM的雷电过电压分类识别模型.采用雷电过电压仿真获取250 例实验数据进行仿真分析,其中200 例作为训练数据,50 例作为测试数据.测试结果表明:PSO-SVM模型准确率为 98%,高于PSO-ELM、PSO-SVM和ELM等模型,具有良好的分类性能.

作者：

李智标、邓丽洁、曾汉溪、黄照亮、李伟明

展开 >

作者单位：

珠海市公共气象服务中心,广东珠海 519000

关键词：

雷电过电压分类识别改进粒子群算法极限学习机

出版年：

2024

DOI：

10.3969/j.issn.1007-6190.2024.05.014

广东气象

广东省气象学会

广东气象

影响因子：1.013

ISSN：1007-6190

年,卷(期)：2024.46(5)