基于改进极限学习机的雷电过电压分类识别
李智标
邓丽洁
曾汉溪
黄照亮
李伟明
珠海市公共气象服务中心,广东 珠海 519000
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.
关键词：雷电过电压分类识别改进粒子群算法极限学习机
分类号：P49(应用气象学)
论文发表日期：2024-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：3( 62-64 )