SSA

摘要： 为了除去药液中过剩的多糖分,以保证中医药注射液的生产质量,分别使用BP模型和SSA-BP(Sparrow search algorithm optimized BP neural network)模型对麦冬药液糖析出过程进行建模,通过调节pH值实现药液糖分的精确控制,将pH值的测量问题看作典型的多输入、单输出的回归建模方面问题,从而避免了在生产过程中无法正确地在线获知醇沉罐中所承装混合溶液的pH值的弊端。对BP算法和SSA-BP算法的结果进行分析与对比,发现后者建立的回归预测模型精度更高、更稳定,其决定系数R 2达到了0.99以上,均方误差MSE较低,符合中药生产的需求。

摘要： Dear editor,Here we report a rare case of a patient presented with repeated hypokalemia and metabolic acidosis secondary to primary Sjögren’s syndrome(pSS).Though no significantly raised titers of anti-SSA/SSB antibodies was detected in our case,minor salivary gland biopsy,kidney biopsy and positive Schirmer’s test confirmed the diagnosis of pSS.

摘要： Background Electroencephalography(EEG)has gained popularity in various types of biomedical applications as a signal source that can be easily acquired and conveniently analyzed.However,owing to a complex scalp electrical environment,EEG is often polluted by diverse artifacts,with electromyography artifacts being the most difficult to remove.In particular,for ambulatory EEG devices with a restricted number of channels,dealing with muscle artifacts is a challenge.Methods In this study,we propose a simple but effective novel scheme that combines singular spectrum analysis(SSA)and canonical correlation analysis(CCA)algorithms for single-channel problems and then extend it to a few channel case by adding additional combining and dividing operations to channels.Results We evaluated our proposed framework on both semi-simulated and real-life data and compared it with some state-of-the art methods.The results demonstrate this novel framework's superior performance in both single-channel and few-channel cases.Conclusions This promising approach,based on its effectiveness and low time cost,is suitable for real-world biomedical signal processing applications.

摘要： 网约车出行交通流实时预测是智能交通的重要研究领域,针对网约车出行的交通流特点,提出SSA-LSTM-SVR混合模型对网约车短时交通流进行预测分析。使用奇异谱分析(singular spectrum analysis,SSA),将交通流分解为1个主分量和3个随机分量,根据各分量的不同特征,分别采用长短期记忆神经网络(long-short term memory,LSTM)和支持向量回归(support vector regression,SVR)对不同分量进行预测,并将各分量的预测结果进行权重融合,得到最终的预测值,SSA-LSTM-SVR能够捕捉网约车出行交通流的主要规律及其随机变化趋势,预测结果也能够反映交通流的短期变化。结果表明:与其他基线模型相比,所提出的SSA-LSTM-SVR模型具有较低的预测误差和较高的精度和拟合度,其MAPE平均降低了4%以上,预测精度平均提高了6%以上。

摘要： Sentiment analysis attracts the attention of Egyptian Decisionmakers in the education sector.It offers a viable method to assess education quality services based on the students’feedback as well as that provides an understanding of their needs.As machine learning techniques offer automated strategies to process big data derived from social media and other digital channels,this research uses a dataset for tweets’sentiments to assess a few machine learning techniques.After dataset preprocessing to remove symbols,necessary stemming and lemmatization is performed for features extraction.This is followed by several machine learning techniques and a proposed Long Short-Term Memory(LSTM)classifier optimized by the Salp Swarm Algorithm(SSA)and measured the corresponding performance.Then,the validity and accuracy of commonly used classifiers,such as Support Vector Machine,Logistic Regression Classifier,and Naive Bayes classifier,were reviewed.Moreover,LSTM based on the SSA classification model was compared with Support Vector Machine(SVM),Logistic Regression(LR),and Naive Bayes(NB).Finally,as LSTM based SSA achieved the highest accuracy,it was applied to predict the sentiments of students’feedback and evaluate their association with the course outcome evaluations for education quality purposes.

摘要： 针对强噪声背景下通信信号的分析识别困难问题,提出一种基于拉格朗日乘子-辛奇异值模态分解(vSSMD)的奇异谱分析(SSA)降噪方法.鉴于噪声的随机变化使得采用功率谱密度方法计算嵌入维度时有较大误差,引入蒙特卡洛思想确定嵌入维数.噪声较大时,vSSMD通过构建拉格朗日乘子矩阵增强有用分量并抑制表示为噪声的残余信号,然后采用SSA方法去除vSSMD重构信号中的微弱噪声.将vSSMD-SSA算法的去噪效果与SSA、vSSMD方法进行比较,当信噪比为-14dB时,vSSMD-SSA算法相较于传统算法SSA信噪比提升了4.49dB,均方误差提升了38.25%.实验结果说明在低信噪环境比下,vSSMD-SSA算法的去噪效果最好.将vSSMD-SSA算法用于无人机通信信号去噪,降噪效果最明显.

摘要： 为了提升电网负荷预测精度,提出使用变分模态分解(VMD)电网负荷数据,并使用中心频率来判断分解层数,然后将分解后的各IMF分量采用麻雀算法(SSA)优化的支持向量回归(SVR)进行预测。通过对2021年比利时电网负荷数据进行仿真,该方法负荷预测精度达99.3%,具有较好的实践意义。

摘要： 光伏发电受多种气象因素和环境因素的影响,具有明显的间歇性、随机性和波动性。为了提高光伏短期功率预测的准确性,提出了一种基于Kmeans-SSA-LSSVM的预测模型,以提高预测精度。首先使用Kmeans算法对天气进行分类,然后利用SSA优化后的LSSVM对各天气类型分别进行功率预测。结果表明与BP、SVM、PSO-SVM相比,Kmeans-SSA-LSSVM提高了光伏短期功率预测模型的精度,对电力系统并网调度有重要意义。

摘要： 目的 研究脑梗死患者血清VILIP-1、胱抑素C和SSA表达情况与其认知障碍的相关性及发生认知障碍的lo-gistics分析.方法 选取海安市人民医院2018年3月—2020年3月诊断的120例脑梗死患者作为研究对象,认知功能正常患者74例,认知功能障碍患者46例,轻度认知功能障碍患者32例,重度认知功能障碍患者14例,比较观察组与对照组、认知障碍组与认知正常组、轻度与重度认知障碍患者的VILIP-1、胱抑素C和SSA表达情况.结果 观察组患者VILIP-1、胱抑素C和SSA表达水平显著高于对照组,差异存在统计学意义(P<0.05),认知障碍组患者的VILIP-1、胱抑素C和SSA表达水平显著高于认知正常组,差异存在统计学意义(P<0.05);重度组患者的血清VIL-IP-1、胱抑素C和SSA表达水平显著高于轻度组,差异存在统计学意义(P<0.05);通过相关性分析,脑梗死患者的认知功能障碍与患者的VILIP-1(r=0.459,P<0.05)、胱抑素C(r=0.499,P<0.05)和SSA(r=0.521,P<0.05)表达水平呈现正相关.认知障碍组与认知正常组患者的年龄、文化程度、糖尿病、高血压、吸烟、脑梗死部位以及脑梗死面积之间的差异存在统计学意义(P<0.05);患者的年龄、文化程度、糖尿病、高血压、吸烟、脑梗死部位、脑梗死面积、VILIP-1、胱抑素C和SSA均为造成患者认知功能障碍的独立危险因素.结论 脑梗死患者血清VILIP-1、胱抑素C和SSA表达情况与认知障碍呈现显著相关,患者的年龄、文化程度、糖尿病、高血压、吸烟、脑梗死部位、脑梗死面积、VILIP-1、胱抑素C和SSA均为造成患者认知功能障碍的独立危险因素.

摘要： 地铁沉降受诸多因素干扰,其监测数据往往表现出非平稳、非线性特征.因此,首先利用奇异谱分析(SSA)方法提取监测数据的趋势项和周期成分,以削弱噪声、提高数据信噪比;然后利用BP神经网络分别对趋势序列与周期序列进行预测并重构,进而得到预测值.实验结果表明,相较于BP神经网络模型,SSA_BP神经网络模型的整体预测精度更高、最大预测长度更优.

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 该文对现流行的各种外设接口，如ATA， SCSI、 USB、SSA、FireWire、FC-AL做了全面介绍，并分析其未来发展趋势，对中国现阶段开展这方面的研究具有指导意义。

摘要： 本发明涉及一种基于SSA优化BP神经网络的短期风功率预测方法，方法包括：获取风电场的实时数据，并进行数据预处理后，载入SSA优化BP神经网络模型中，获取短期风功率预测结果；SSA优化BP神经网络模型的训练过程中通过麻雀搜索算法计算每个麻雀的适应度，并更新发现者、加入者和侦查者的位置，直至得到最优位置和最佳适应度值后分别赋值给BP神经网络模型作为参数权值和阈值，从而得到最优的SSA优化BP神经网络模型。与现有技术相比，本发明通过SSA优化BP神经网络算法的权值和阈值来提高了网络训练速度和风功率预测精度。

摘要： 本发明提供了基于TGO‑SSA‑FCM算法的交通流量缺失数据修复方法。该方法包括：获取交通流量的输入数据矩阵，并输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心；将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化；将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值；当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为输入数据矩阵中的缺失数据的预测值。本发明方法弥补了传统FCM算法参数m和K随机选取、初始聚类中心随机选取，可以实现有效地修复交通流量数据中的缺失数据。

摘要： 本发明公开了一种基于混沌初始化SSA‑BP神经网络的飞艇螺旋桨可靠性估计方法，确定螺旋桨的设计驻空工况下影响桨叶应变的主要因素；构建混沌初始化SSA‑BP神经网络的训练/测试输入数据集；求解以输入数据集为工况条件下的螺旋桨最大应变位置的应变值；建立混沌初始化SSA‑BP神经网络模型；对任务剖面下螺旋桨设计飞行高度和转速以3σ原则进行正态分布离散，得到新的输入数据集，对螺旋桨许用应变值根据其变异系数以3σ原则进行正态分布离散；求解飞艇螺旋桨的失效率及平均无故障工作时间MTBF。本发明有效的避免了陷入局部最优解的情况，提高了预测精度和预测效率，能够快速地估计螺旋桨的可靠性，具有很大的工程价值。

摘要： 本发明公开了一种基于改进SSA‑GPR的煤粉锅炉NOx(氮氧化物)排放量预测方法及装置，预测方法包括以下步骤：(1)采集煤粉锅炉的历史特征参量数据；(2)对数据进行归一化处理；(3)对数据进行降维处理；(4)将数据集划分成训练集和验证集；(5)采用改进SSA算法优化高斯过程的超参数，获得基于优化后的高斯过程；(6)将训练集输入模型中进行模型训练；(7)将验证集输入到模型进行模型验证，获得最终的基于改进SSA‑GPR的煤粉锅炉NOx排放量预测模型。本发明提供的NOx排放量预测方法及装置有效的提高了煤粉锅炉NOx的排放量预测精度，为后续电站锅炉实际运行过程中降低NOx的排放量提供了技术支持，对电站节能减排，响应国家绿色环保政策具有重要的实际工程意义。

摘要： 本发明提供了一种基于改进SSA的燃煤锅炉减少NOx氮氧化物排放优化方法及装置，优化方法具体包括以下步骤：(1)采集燃煤锅炉的历史特征参量数据；(2)采用RReliefF算法和Pearson相关性分析获取最优影响特征；(3)确定优化目标函数以及可调特征的寻优区间；(4)采用Sin混沌产生个体初始位置；(5)选取适应度值优的个体作为发现者，更新发现者个体位置；(6)采用灵敏度‑信息素配合的方式改进跟随者选择发现者方式，更新跟随者个体位置；(7)更新边界个体位置，最终获得最优可调特征；(8)利用获得的最优可调特征，控制锅炉燃烧，以进一步降低NOx排放浓度。本发明提供的NOx排放优化方法及装置有效的降低了锅炉NOx的排放量，为电站锅炉实际运行过程中降低NOx的排放量提供决策支持，对电站节能减排，响应国家绿色环保政策具有重要的实际工程意义。

摘要： 本发明公开了一种基于SSA‑ELM算法的横波时差预测方法，具体涉及石油勘探开发技术领域。本发明通过选取与横波时差相关性较强的测井曲线作为输入数据，预处理后划分训练集和测试集，基于训练集建立设置有极限学习机的储层横波时差预测模型，利用麻雀搜索算法寻找极限学习机的最优权值和最优偏置，得到麻雀搜索算法优化后的储层横波时差预测模型，利用该预测模型对测试集数据进行预测，分析横波时差预测值与实测值之间的均方根误差，验证麻雀搜索算法优化后储层横波时差预测模型的准确性。本发明基于SSA‑ELM算法优化储层横波时差预测模型，弥补了极限学习机稳定性差、泛化能力不足的问题，实现了横波时差值的准确预测，为储层的勘探开发奠定了基础。

摘要： 本发明公开了一种基于SSA‑D3QN的盐场结晶计算方法、系统、设备及介质，包括：初始化SSA种群以及D3QN网络参数；对SSA种群位置进行更新，筛选出最优浓度个体；判断所筛选出的个体是否达到精度要求，直至所筛选出的个体满足精度要求；将最优浓度个体作为agent进行训练，并将经验存储至优先经验回访池Priority Replay Buffer中；从优先经验回访池Priority ReplayBuffer中抽取样本对D3QN网络进行训练；对整体模型进行若干次测试，获取若干次测试中的最小值和平均值；判断所获取的最小值和平均值是否满足误差要求，直到满足误差要求。本发明利用麻雀搜索算法SSA和深度强化学习算法D3QN协同解决盐场结晶模型反向计算问题，能够满足结晶模型的精度，并且缩短计算时间，提高计算效率。

摘要： 本发明基于SSA‑CIRCLE‑ELM模型的煤层瓦斯涌出量预测方法，属于瓦斯预测技术领域。本发明方法包括：利用CIRCLE混沌映射对麻雀搜索算法的搜索空间进行初始化；再使用麻雀搜索算法优化极限学习机的SLFN节点，使其参数生成连续概率分布；构建多维状态矩阵，使用极限学习机对多维状态矩阵进行特征映射并使其误差函数最小；再利用优化后极限学习机对瓦斯数据进行预测。本发明能构建出SSA‑CIRCLE‑ELM模型的煤层瓦斯涌出量预测方法。

摘要： 本发明公开了一种基于CEEMDAN‑SSA‑BiLSTM的短期海上风电功率预测方法，包括：利用CEEMDAN算法对历史海上风电功率序列进行分解，得到不同的子序列；针对各个子序列构建BiLSTM预测模型，并利用麻雀优化算法对BiLSTM模型的隐含层单元数、学习率、迭代次数等超参数进行优化，利用优化后的超参数对不同子序列进行预测，最后叠加不同子序列的预测结果，得到海上风电预测功率。本发明仅依靠海上风电历史功率序列进行预测，减少了海上风电天气预测数据的多变性对风电功率预测的影响，通过自适应噪声完备集合经验模态分解算法减少了风电功率波动性与随机性对预测结果的影响，同时利用麻雀优化算法优化后的超参数进行预测，在一定程度上提高了短期海上风电功率预测的精度。

摘要： 一种基于SSA的车间柔性调度方法，步骤包括：1)对离散的车间调度问题进行连续化；2)使用SSA求解车间调度问题；3)对步骤2)中的SSA进行改进，使用ODV来增加种群的多样性，引入幂律分布来调节搜索空间。本发明对离散的车间调度问题进行连续化，从而可以使用SSA来求解车间调度问题。本发明还对传统的SSA进行改进，克服了SSA在求解较大规模的问题时，存在的易陷入局部最优解和后期收敛速度较慢的问题。