王朝阳
- 作品数：5 被引量：21H指数：2
- 供职机构：西安工程大学电子信息学院更多>>
- 发文基金：陕西省自然科学基金陕西省科学技术研究发展计划项目陕西省教育厅产业化培育项目更多>>
- 相关领域：天文地球电气工程更多>>
- 基于优化核极限学习机的泥石流危险性评估被引量：1
- 2023年
- 山区环境中泥石流的孕育受多种因素的影响,为提高泥石流危险性的预测精度,提出一种萤火虫算法(firefly algorithm,FA)优化核极限学习机(kernel based extreme learning machine,KELM)的预测模型。首先,针对数据维度爆炸的问题,通过主成分分析(principal component analysis,PCA)数据降维,使得留有大部分致灾特征信息的因子输入训练模型;然后,使用萤火虫优化算法更新核极限学习机的参数,将四川省北川县监测数据输入优化后的预测模型,并与其他传统机器学习算法进行对比分析,验证该算法的优越性;最后,使用多种指标综合评估模型的预测效果。结果表明,FA-KELM模型能够有效地简化数据结构,提高泥石流危险性预测的准确性,为泥石流灾害预测方面的研究提供参考和借鉴。
- 尚艳芳李丽敏温宗周王朝阳夏梦凡
- 关键词：泥石流主成分分析
- 变压器套管介质损耗在线监测装置被引量：6
- 2013年
- 设计了一种变压器电容型套管介质损耗在线监测装置。针对谐波分析法,提出利用IRIG-B码授时实现异地高精度同步采样,并采用EIA-485总线实现监测装置与套管智能电子设备(intelligent electronic devices,IED)之间通信的介质损耗测量方案。采用内嵌处理器软核NiosⅡ的现场可编程门阵列器件EP1C6Q240I7完成对模数转换采样芯片ADS8505的控制,采用数字信号处理器TMS320F28335对信号进行快速傅里叶变换等处理,监测终端将数据信息通过EIA-485总线传送至套管IED。试验结果表明,该装置介质损耗测量的精确度和稳定度都比传统装置有很大的提高。
- 王卓黄新波邓凸王朝阳
- 关键词：变压器介质损耗在线监测谐波分析法IRIG-B码
- 基于滑坡累积位移的滑坡体危险状态分析
- 2023年
- 针对单体滑坡危险状态分析不全面的问题,提出了一种基于滑坡累积位移的滑坡体危险状态多角度分析方法。首先,利用极限位移准则确定滑坡所处预警阶段;其次,利用尖点突变理论对滑坡稳定状态进行评价;再次,采用重标极差分析确定滑坡体的发展趋势;然后,建立模糊矩阵确定滑坡体危险状态,但由于单个检测点无法准确反映滑坡整体危险状态,故采用多个监测点综合判断滑坡整体危险状态;最后,将该方法应用于八字门滑坡,验证其有效性。结果表明该方法能够有效地判断滑坡局部及整体的危险状态。
- 王朝阳李丽敏王莲霞任瑞斌符振涛崔成涛
- 关键词：尖点突变理论重标极差分析
- 基于KPCA-SSA-GRNN的滑坡预报模型
- 2022年
- 滑坡灾害的发生受多种因素的影响,传统预报方法通常基于单一影响因素进行建模,预报精确度不高。为了提高滑坡发生概率预报精度,提出一种核主成分分析-麻雀搜索算法-广义回归神经网络(KPCA-SSA-GRNN)混合预测模型。首先,利用KPCA,筛选影响滑坡的主要致灾因子,并将其作为GRNN模型的输入;其次,为提高GRNN模型的预测效果,采用SSA算法对GRNN模型的光滑因子σ进行寻优;最后,对优化后的GRNN模型进行测试,输出滑坡灾害概率,并确定滑坡危险等级。以陕西省山阳县为研究区域,利用KPCA-SSA-GRNN模型进行预测,并将该模型预测结果与改进前的GRNN模型和传统的BP神经网络模型、RBF神经网络模型进行对比,结果表明,该模型在预报精度方面优于其他模型,对于滑坡预报提供了一定的理论参考。
- 夏梦凡李丽敏任瑞斌王朝阳王智勇尚艳芳
- 关键词：广义回归神经网络
- 基于时间序列和CNN-LSTM的滑坡位移动态预测被引量：14
- 2022年
- 针对滑坡演化的动态特性以及静态预测模型的不足,提出一种基于时间序列与卷积长短期记忆神经网络(CNN-LSTM)的滑坡位移动态预测模型。首先,在利用曼-肯德尔(Mann-Kendall)趋势检验法检验滑坡位移的趋势特征的基础上,采用二次移动平均法将滑坡累积位移分解为趋势项位移和周期项位移,并采用最小二乘多项式函数拟合趋势项位移。然后,采用频谱图检验滑坡位移的周期特征,对周期项位移采用CNN-LSTM混合网络模型进行预测。最后,将两者预测值叠加得到累积位移预测值。该模型在中国三峡库区八字门滑坡得到了验证。实验结果表明,与当前常见的预测模型相比,所提方法的能有效对滑坡位移进行预测,且在周期项位移预测方面相较于经典BP神经网络,LSTM网络以及“门循环”(gated recurrent unit,GRU)网络模型,CNN-LSTM网络模型有更高的预测精度。
- 王朝阳李丽敏温宗周张明岳魏雄伟
- 关键词：时间序列
