文献

J-GLOBAL ID：201702270499764087   整理番号：17A1788463

PSO-SVMアルゴリズムに基づくカスケードポンプのパイプライン振動応答の予測についての予測に基づいて,本論文では,予測モデルを提案した。【JST・京大機械翻訳】

Prediction of vibration response for pipeline of cascade pumping station based on PSO-SVM algorithm

著者 (4件)： Zhang Jianwei (華北水利水電大学水利学院,鄭州,450011) ,  Jiang Qi (華北水利水電大学水利学院,鄭州,450011) ,  Liu Xuanran (華北水利水電大学水利学院,鄭州,450011) ,  Ma Xiaojun (華北水利水電大学水利学院,鄭州,450011)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 33  号： 11  ページ： 75-81  発行年： 2017年 
JST資料番号： C2454A  ISSN： 1002-6819  CODEN： NGOXEO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： パイプラインの振動応答信号を測定することは難しいので,パイプラインの振動状態を予測するために,少ないユニットデータを使用することができる。本論文は,粒子群(PSO)に基づくサポートベクトルマシン(SVM)の予測方法を提案した。”粒子群最適化(PSO)に基づくサポートベクトルマシン(SVM)を提案した。粒子群最適化追跡アルゴリズムを用いてSVMのカーネル関数とペナルティ因子を最適化し,SVMパラメータの最適化により予測精度が低下するという問題を解決した。研究対象として景色カスケード第二期3ポンプステーションの2番目のパイプラインを取り上げ,ユニットとパイプラインの振動測定データに基づいて,周波数スペクトル分析と数理統計法を用いて,パイプライン振動の振動源寄与率を決定し,ユニットとパイプラインの振動相関係数を計算し,ユニットとパイプラインの間の強い結合関係を決定した。次に,ポンプのパイプライン振動のためのPSO-SVM予測モデルを確立して,入力因子として異なる期間の振動測定データを選び,出力因子として対応する期間におけるパイプ振動データを訓練して,予測して,パイプライン振動予測結果をBPニューラルネットワーク予測結果と比較した。BPニューラルネットワークによる予測結果と比較して,提案した方法の予測結果は測定値と良く一致し,その平均相対誤差は6.8%,平均平方根誤差は0.261であり,予測精度は高かった。それは,パイプラインの振動応答予測を効果的に達成することができて,パイプラインのリアルタイムオンライン安全運転監視の目的を達成することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  相関係数 ,  サポートベクトルマシン ,  *振動応答 ,  *予測モデル ,  振動測定 ,  *アルゴリズム ,  最適化 ,  *予測
準シソーラス用語： 相対誤差 ,  逆伝播ニューラルネットワーク ,  決定係数 ,  予測精度 ,  Kernel関数 ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (7件)： pumps ,  vibrations ,  optimization ,  pipeline ,  particle swarm ,  support vector machine ,  prediction

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： アルゴリズム ,  カスケード ,  パイプライン ,  振動応答 ,  予測 ,  論文 ,  予測モデル ,  提案