基于改进极限学习机的雷电过电压分类识别  

作　　者：李智标 邓丽洁 曾汉溪 黄照亮 李伟明 

机构地区：[1]珠海市公共气象服务中心,广东珠海519000

出　　处：《广东气象》2024年第5期62-64,共3页Guangdong Meteorology

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[天文地球—大气科学及气象学]