山东大学学报(理学版)

作者：李颖,张国林

单位：宜春学院 数学与计算机学院, 江西 宜春336000

关键词：油中溶解气体分析,互信息,机器学习,Renyi熵,核熵成分分析,极限学习机,

基金：国家自然科学基金资助项目(61662083)

针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。

来源：2022年第7期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2022年第7期