遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

基于BP神经网络的短期负荷预测

电力系统负荷预测的重要性、分类和主要预测方法,BP神经网络算法的基本理论和预测过程,建立基于BP神经网络的短期负荷预测模型,以加州24 h的电力负荷预测为例进行MATLAB仿真,结果显示预测精度符合电力系统要求。     

基于SSA优化BP神经网络的农村公路造价预测研究

针对目前农村公路造价估算存在的问题,结合神经网络和麻雀搜索算法各自的特点,提出基于麻雀搜索算法(SSA)优化BP神经网络的造价预测模型.结合农村公路造价的影响因素,利用已建农村公路造价资料,运用MATLAB软件进行仿真实验,并将SSA—BP算法预测结果与BP、RBF神经网络预测结果进行比较.     

支持向量机模型在断层破碎带围岩变形预测中的应用

围岩变形预测是隧道安全评价及其指导后期施工的重要依据,为提高变形预测精度,结合工程实践,提出了PSO-SVM-BP预测模型的思路。首先,利用三次样条插值及二次平滑法对变形数据进行预处理,为后期变形预测奠定基础;其次,利用粒子群算法对支持向量机进行参数优化,建立PSO-SVM模型,并对围岩变形进行初步预测;最后,利用BP神经网络进行误差修正,达到综合预测的目的,并利用工程实例进行检验,以验证预测模型的有效性。结果表明:初步预测结果的相对误差均小于5%,而误差修正后的预测精度被提高到0.97%,预测精度较高,验证了预测模型的有效性,可为类似研究提供参考。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

基于MEA-BP神经网络建筑工程造价指数预测

为了对建筑工程造价指数进行准确有效预测,提出一种基于MEA-BP神经网络的预测方法.在收集天津市2017年1月—2020年9月的45组建筑工程造价指数样本的基础上,利用思维进化算法(Mind Evoluti-onary Algorithm,MEA)对BP神经网络的初始权值和阈值进行优化处理,构建基于MEA-BP神经网络...     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

基于遗传神经网络的煤与瓦斯突出预测研究

为提高煤与瓦斯突出预测的效率和准确率,在煤与瓦斯突出影响因素分析的基础上,将遗传优化算法与BP神经网络相结合,对煤与瓦斯突出进行预测,避免了单纯神经网络易陷入局部最优问题。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的相关数据,选取典型的突出样本对建立的遗传神经网络模型进行训练,对训练好的网络进行仿真预测,结果与实际情况相一致。     

混沌果蝇-最小二乘支持向量机变压器DGA诊断

针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,融合混沌算法对果蝇优化算法的进化机制进行改进,提出混沌果蝇优化算法(CFOA)。将CFOA算法应用于最小二乘支持向量机(LSSVM)惩罚因子和核函数参数的选择中,可以改善参数选择的随机性和盲目性,从而建立基于CFOA-ISSVM的故障模式预测模型。应用该模型对变压器油中溶解气体故障模式进行预测,结果表明,CFOA方法在在收敛速度、收敛可靠性及收敛精度上均比基本FOA有较大的提高,依此而建立的CFOA-LSSVM故障模式预测模型具有较高的准确率。     

基于GEP、ANFIS、MARS和GBDT模型构建浙江省极端降雨事件预测模型

为找出浙江省极端降雨的预测模型,文章选取了3种极端降雨指数,基于高斯回归(GEP)、自适应模糊神经网络(ANFIS)、多元自适应回归(MARS)和梯度提升决策树算法(GBDT)构建了浙江省极端降雨指数预测模型,结果表明:GEP模型在3种极端降雨指数预测中均表现出了极高的精度,同时该模型在气候条件相似的地区内具有极高的适...     

基于局部线性嵌入的行星变速箱测点优化研究

为在某型行星变速箱齿轮故障诊断中选取最优测点的振动数据,提出一种动力学仿真与局部线性嵌入算法相结合的测点优化方法,并通过BP神经网络算法对部分优化选取测点的实测数据进行故障状态识别效果验证。在ADAMS中对行星变速箱刚柔耦合模型进行齿轮故障注入,初步选取测点,用局部线性嵌入算法进行测点优化;搭建行星变速箱试验台并采集实测振动数据,采用BP神经网络算法对各测点振动数据进行故障状态识别,得出实际测点故障状态识别的准确率以验证测点优化方法的有效性。结果表明,该方法能够有效选取最优测点,为行星变速箱故障诊断的测点选取提供了可靠依据。     

基于KPCA-GRNN的炼化厂管道腐蚀速率预测

为了提高炼化厂循环水对管道腐蚀预测的精度,选取8种常规监测数据作为样本标准库,在此基础上考虑各指标之间信息叠加的影响,引入核主成分分析(KPCA)和广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,通过分析影响循环水腐蚀的关键因素,建立了循环水腐蚀预测指标体系。结果表明,将样本监测数据的维数由8降至5,可得出各个影响因素的贡献率,提取出包含原始信息95.84%的5个变量,且基于KPCA-GRNN的算法对监测管道腐蚀速率的平均相对误差为0.033,优于误差反向传播算法(BP)的0.056。因此,基于KPCA-GRNN算法建立的循环水碳钢腐蚀速率预测模型,能够获得更准确的预测结果,拓宽了循环水腐蚀速率预测方法的研究思路。     

特高压输电线路工程造价预测模型研究——基于因子分析及BP 神经网络

本文在对特高压输电线路工程进行项目划分的基础上,分析识别出影响特高压输电线路工程造价的主要因素,并使用因子分析法对其中18 个主要影响因素进行度量,将得到的5 个因子作为输入、工程单位造价作为输出,构建了基于BP 神经网络的造价预测模型,以国内已建和在建的9 个特高压输变电工程中的75 段输电线路工程数据为样本进行了实证研究,结果证明预测模型对特高压输电线路工程造价进行预测具有可行性和较高的准确性,为特高压工程全生命周期内管理优化提供了一种新的思路和实现方法。     

基于BP神经网络的黄金期货价格预测

在期货市场交易策略中,用预测目标作为衡量买卖时机交易的思想,是主流思想中的重要分支之一。为解决期货价格预测问题,文章对使用BP神经网络预测的方法进行探索。笔者以黄金1305期货合约2008年5月23日到2013年4月25日收盘价共857个数据为依据,建立了可自动调节参数的BP神经网络模型,并利用该网络对收盘价和收益率序列进行了滚动预测,根据预测结果进行期货品种的买卖。依据所构造策略进行交易,在模拟交易中获得了不错的收益。     

BP神经网络在药品销售预测中的应用

目的对药品销售情况进行科学的分析和预测,为合理制订药品采购计划提供参考。方法利用BP神经网络的数据分析、统计、对非线性数据进行拟合等功能,对药品未来的销售量和销售趋势进行分析和预测。结果BP神经网络仿真预测的药品销售量与实际销售量无显著性差异。结论BP神经网络在预测药品未来销售量上具有实际应用价值,为合理制订药品采购计划,降低药品流通成本提供参考依据。     

混沌神经网络在球磨机故障诊断中的应用

针对神经网络极易陷入局部极小的问题,采用引入动量项和混沌映射的改进BP算法,讨论引入动量项和混沌映射的神经网络综合模型的建模思路及其算法实现;介绍球磨机常见的故障类型,建立球磨机故障诊断的混沌神经网络模型,进行仿真试验,结果表明:该模型具有较高的预测精度,可以有效地运用于球磨机诊断中的故障预测。     

BP神经网络对烟草销售量预测方法的改进研究

针对烟草销售量传统预测方法的不足,本文结合实际,应用BP神经网络模型对其进行了改进:把实际误差看作一组序列,进行逼近模拟,作为一个单独量加入最终结果,提高了预测的精度.本文的思路和方法可推广到其他社会经济数据序列的预测中去.     

基于数据挖掘的生产技改项目投资预测研究

随着我国经济社会不断进步和生产能力迅速发展，电网技改工程项目数量日益增加，技改项目种类日益多样，管理难度也逐渐增大，提升其造价预测的准确性对于提升电网企业的经济效益和社会效益具有重要作用。工程项目投资预测目前主要采用传统预测模型，传统预测模型存在精度不高、容易出现过拟合现象等问题。而随机森林算法的整体性能突出，预测效果较好。文章基于实际工程数据，构建基于随机森林算法的生产技改投资预测模型，用以预测项目的投资情况，并将其预测性能与线性回归模型和SVM模型进行对比。结果表明，当预测范围在训练集样本范围内时，基于随机森林算法的生产技改投资预测模型的预测精度较高，稳定性较好，为生产技改投资预测提供了一种新途径。