您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201810-11
论文题目 基于小波相关性去噪结合ARMA模型的故障率预测方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于小波相关性去噪结合ARMA模型的故障率预测方法

首发时间:2018-10-08

郜逸星 1   

郜逸星(1994-),男,硕士研究生,主要研究方向:小波分析在信号处理中的应用

杨晓忠 1   

杨晓忠(1965-),男,教授,博导,主要研究方向:微分方程数值解法及应用软件

孙淑珍 1   

孙淑珍(1960-),女,教授,研究生导师,主要研究方向:时间序列的小波方法及其应用.

  • 1、华北电力大学数理学院信息与计算研究所,北京 102206

摘要:针对电力设备故障率具有周期性、随机性和多变性等特点,提出小波相关性去噪算法与时间序列自回归滑动平均(ARMA)模型的电力设备故障率预测方法。将电力设备故障率数据进行小波相关性去噪,最大限度保留有效序列,把重构后的序列进行ARMA建模及预测,预测值与实际值进行比较。仿真结果表明,小波相关性去噪后的ARMA模型预测结果有较高的精度,实际故障率预测效果较好。

关键词: 应用数学 小波相关性去噪 ARMA模型 故障率预测 精确性

For information in English, please click here

Failure rate prediction method based on wavelet correlation denoising combined with ARMA model

GAO Yixing 1   

郜逸星(1994-),男,硕士研究生,主要研究方向:小波分析在信号处理中的应用

YANG Xiaozhong 1   

杨晓忠(1965-),男,教授,博导,主要研究方向:微分方程数值解法及应用软件

SUN Shuzhen 1   

孙淑珍(1960-),女,教授,研究生导师,主要研究方向:时间序列的小波方法及其应用.

  • 1、Institute of Information and Computation, School of Mathematics and Physics, North China Electric Power University, Beijing 102206, China

Abstract:Aiming at the periodicity, randomness and variability of power equipment failure rate, a wavelet correlation denoising algorithm and a time series autoregressive moving average (ARMA) model for power equipment failure rate prediction are proposed. The power equipment failure rate data is denoised by wavelet correlation, and the effective sequence is retained to the maximum. The reconstructed sequence is modeled and predicted by ARMA, and the predicted value is compared with the actual value. The simulation results show that the ARMA model with wavelet correlation denoising has higher accuracy and the actual failure rate prediction is better.

Keywords: AppliedMathematics Wavelet correlation denoising ARMA model Failure rate prediction Accuracy

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
郜逸星,杨晓忠,孙淑珍. 基于小波相关性去噪结合ARMA模型的故障率预测方法[EB/OL]. 北京:中国科技论文在线 [2018-10-08]. http://www.paper.edu.cn/releasepaper/content/201810-11.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于小波相关性去噪结合ARMA模型的故障率预测方法