Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。     

基于Elman神经网络的变形预报方法研究

在变形分析中．由于观测数据会受到外界环境、观测设备等因素的影响．使观测到的数据发生“失真”．这就使变形诊断及变形预报的正确性受到影响。变形分析及预报中的许多问题是非线性问题,变量之间的关系十分复杂,就现有的数学模型来说,各有各的适用条件;且很多问题难以用确切的力学、数学模型来描述。而神经网络理论作为一门迅速兴起的非线性科学。在处理信息十分复杂,     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷.文章还比较了Elman网络和BP网络结构的建模效果,通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法.     

基于分形理论和神经网络的雷达信号识别算法

针对现有新体制雷达信号不断增加,传统的识别参数难以满足识别效果的问题,提出了基于分形理论和神经网络的雷达信号识别算法。利用关联维数可以衡量信号的关联复杂度特征的特性,对不同复杂度特性的雷达信号进行特征提取,由于提取的关联曲线不具有很好的线性特性,提取关联点作为神经网络的输入进而进行识别分类。仿真实验表明,这种基于分形理论和神经网络的雷达信号识别算法在较低信噪比下具有较高的识别效果,且可以适合于各种体制雷达信号的特征提取与识别。     

基于Elman神经网络的变形预报方法研究

在变形分析中,由于观测数据会受到外界环境、观测设备等因素的影响,使观测到的数据发生"失真",这就使变形诊断及变形预报的正确性受到影响.变形分析及预报中的许多问题是非线性问题,变量之间的关系十分复杂,就现有的数学模型来说,各有各的适用条件;且很多问题难以用确切的力学、数学模型来描述.而神经网络理论作为一门迅速兴起的非线性科学,在处理信息十分复杂,背景知识不清楚,推理规则不明确的问题显示出其独特的优越性.     

基于Elman型神经网络的电力系统短期负荷预测研究

针对现代电力系统负荷易受温度和日期类型(即工作日和休息日)影响的特点,将温度和日期类型作为预测模型的输入,建立了一个综合考虑各种因素,采用Elman反馈神经网络的短期负荷预测模型.由于Elman神经网络具有动态递归性能,可增强预测模型的适应性.     

地质雷达在隧道结构检测中的应用

基于国内经济法全面发展的大背景下,交通事业作为经济发展的关键点之一,得到了全面的发展,我国交通领域中隧道的数量开始逐年的递增,但是由隧道所产生的危害也在逐年的叠加。如果不能够及时有效的对隧道产生的危害做出评价和治理,那么会给整体的交通产业发展带来负面影响。地质雷达可以通过高频率的电磁脉冲波来对隧道的结构及整体情况做出有效的探测,能够准确的对隧道的结构厚度及裂缝情况做出具体的分析。文章介绍了地质雷达的基本工作原理,对地质雷达在隧道结构检测中的应用进行阐述和分析,希望能为地质雷达在隧道检测中提供可行性思路及建议。     

地质雷达在黄竹山隧道检测中的应用

地质雷达在隧道检测中常常存在多种干扰因素,造成检测结果在实际应用时不够准确、不够可靠。因此,文章详细介绍了地质雷达的检测原理、检测方案及检测数据处理,然后以实际工程黄竹山隧道为例,利用检测所得的雷达图像对黄竹山隧道衬砌空洞、二衬中的钢筋以及二衬厚度等进行判释。实践表明,通过对雷达扫描图像上信息的提炼与分析,可以快捷和准确的识别隧道病害类型和位置。这对隧道质量的评定与病害的处理具有重要的实际意义。     

地质雷达在古建筑无损检测中的应用

针对鸡鸣驿古城的开发与保护工程进行探测,应用地质雷达重点对古城中的地道的位置及古城墙的破损情况进行探测,得到了地道的埋深、长度及分布情况,古城墙的内部空洞、不密实的位置及大小,对古城后期的开发与保护具体施工加固提供了有力的支持,为类似工程提供参考。     

探地雷达在隧道支护质量检测中的应用

针对某高速公路隧道检测中,由于受力部分主要是支护结构。因此,针对混凝土层厚度的检测非常重要。通过具体的工程实践检测结果,然后分析隧道支护是否合格。并通过数据分析,得出不合格的支护缺陷。指导施工对不合格的地方进行处理,以便继续对下一段隧道支护进行施工。     

改进BP神经网络的研究及应用

人工神经网络具有强大的非线性映射能力,已经被应用于模式识别、智能控制、图像处理以及时间序列分析等各种领域。本文针对BP算法的不足,提出了BP算法的启发式改进,通过对遗传神经网络模型及其算法进行分析和研究,针对遗传算法的主要缺陷介绍了一种常用的改进类型。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果,神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。本文重点研究了BP神经网络的原理、算法及其应用。     

基于模糊神经网络算法应用在电力系统中的研究

电力系统[1]是由发电、输电、变电、配电和用电等多层FNN的复杂的非线性控制系统组成。采用FNN弥补了神经网络在电力系统模糊数据处理方面的不足和模糊逻辑在学习方面的缺陷学科。     

神经网络在计算机网络安全评价中的应用

随着计算机技术的快速发展,计算机所处理的业务也由简单的文件处理、办公自动化等发展到基于复杂的内部网和外部网以及全球互联网等,并且计算机系统的连接能力也在不断的提高。但在连接能力和流通能力提高的同时,网络连接的安全问题也日益突出。为了缓解越来越严重的网络安全问题,科学家们提出了许多神经元模型和学习规则,在这其中神经网络技术在网络安全中可以起到很重要的作用,被广泛应用于计算机网络安全评价中。本文对神经网络技术进行了准确、动态的安全评价,同时对网络还存在的一些缺陷进行了论述。     

BP神经网络和Duffing系统结合的超声导波管道检测研究

针对管结构中微小缺陷的定性分类问题,本文提出了一种基于深度学习和Duffing系统结合的超声导波管道检测研究。将BP神经网络与传统的超声导波技术相结合,对数值模拟信号分别提取小波变换得到的小波系数能量值,以及10个时域特征值,同时引入Duffing振子中的分维数缺陷识别方法,实现了管道缺陷中凹陷、裂缝、孔洞三种缺陷的分类识别。实验结果表明:在处理数值模拟管道超声导波信号的分类问题上,基于传统特征选取办法的BP神经网络识别准确率为86.35%,加入三个混沌系数后准确率提升至91.85%。     

BP神经网络在我国人身保费收入中的应用研究

在提出和分析一套比较完整的人身保费收入指标体系基础上,采用我国1989￣2005年的实际经济年度数据,利用动量法和学习率自适应调整的BP算法对我国人身保险费收入进行拟合及测试(预测)分析。结果表明,与计量经济模型相比,神经网络模型具有更高的测试(预测)精度,平均相对误差为0.69%。最后通过相关度和影响度分析,强化了该模型应用价值。     

探地雷达在公路工程检测中的应用分析

探地雷达作为一种新兴起的工程检测技术,具有快速、连续和无损检测的优点.本文首先针对公路工程检测要求展开分析,其后具体探讨了探地雷达检测原理及其应用要点,并围绕工程案例分析了探地雷达在公路工程检测中的应用,以期可供参考.     

一种改进的贝叶斯网算法在入侵检测中的应用研究

这种改进的贝叶斯网算法采用粗糙集理论对数据集进行降维处理,减少贝叶斯网学习的计算成本;利用互信息理论,提出一种基于互信息的贝叶斯网结构学习算法。实验表明这种算法,即提高了检测精度又提高了检测效率。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

模糊神经网络在汽车远程故障诊断中的应用

根据汽车故障征兆具有模糊性地特点,提出了一种基于模糊神经网络的汽车远程状态监测和故障诊断方法,采用模糊隶属函数来描述故障征兆的程度,建立了基于模糊神经网络的汽车状态监测和故障诊断模型,利用GSM通信技术将汽车运行数据实时采集、远程传送,监控中心接受、管理数据,对汽车进行故障诊断.试验结果表明,该方法具有推理速度快,容错能力强,且汽车故障诊断识别率高等特点.