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.     

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。     

基于人工鱼群的OIF-Elman神经网络在电机故障诊断中的应用

本文针对普通Elman神经网络学习算法的不足,将弹性自适应人工鱼群算法(RAAFSA)和Elman神经网络相融合,应用视野、步长和拥挤度因子自动调整的RAAFSA算法训练Elman神经网络,并将其应用到电机故障诊断中。仿真实验表明,优化的Elman神经网络有较高的故障诊断精度,能够更好地避免局部最小,实现了对电机故障的有效诊断。     

基于神经网络的光伏短期出力预测

本文分析了光伏发电设备的输出功率与影响天气的因素之间的相关性，影响天气的因素包括辐照度、温度、湿度、天气类型和季节。其次，在此基础上，分析了小波神经网络的相关理论，完成了小波神经网络的预测模型设计，而后，提出了一种基于气象因素寻找相似日的方法，并基于光伏电站的历史气象信息创建了特征向量，并通过计算灰色关联度来确定预测日相似日的样本集。最后，将相似日算法和小波神经网络创建光伏电站的短期电力预测模型。预测结果表明，基于神经网络的预测模型在一定程度上有参考利用价值。     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素.同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测.实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快.     

Elman型回归神经元对男子100m自由泳成绩预测的研究

将Elman动态回归神经网络预测方法应用于男子100m自由泳成绩的预测,通过对自1972年历届奥运会男子100m自由泳决赛成绩的历史数据归一化处理,组成一个从输入到输出的非线性映射,并利用MATLAB软件对其进行学习与训练的仿真实验,证明Elman神经网络可以较精确的应用于游泳成绩的预测。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素。同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快。     

人工神经网络用于短期电力负荷预测网络结构初探

目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替.BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型(网络结构)进行了讨论.     

Elman神经网络在雷达信号检测中的研究应用

雷达目标信号检测是雷达研究设计中的重要环节。本文在分析了传统目标信号检测技术的基础上,利用人工神经网络具有非线性和动态特性的特点,提出了一种基于Elman神经网络的信号检测的仿真设计方法,最终得到自适应性较强的Elman信号检测网络,完成对雷达目标信号的检测。     

组合预测在上市公司财务预警中的应用

在Logistic模型和BP神经网络两种单一预测模型的基础上,将Logistic模型输出的违约概率引入到BP神经网络中,从而构建一种非线性组合预测模型,并将其应用于上市公司财务预警.实证结果表明,该组合预测模型能有效提高预测精度.具有良好的应用前景.     

基于BP神经网络的上市公司审计意见预测模型

本文选取了我国沪深两市94家样本公司作为研究对象,基于BP神经网络研究上市公司财务指标对审计意见类型的影响,构建了审计意见的预测模型,并进行了有效性检验。     

数控机床主轴系统故障预测方法研究

机床主轴故障会降低机床加工精度和加工效率，为制定合理的维修计划和主动维护方案，本文提出了基于BP神经网络的主轴故障预测方法，采用BP神经网络建立主轴故障预测模型，根据振动信号、电流信号和转速信号预测主轴的故障及故障类型，为制定主轴的维修计划和维护方案提供重要依据。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

预测模型的特点及应用研究

预测在现实生活中有很重要的运用,实用域很广.由于社会经济的需要,不同的预测模型也随之应运而生,如灰色预测模型、曲线模拟、回归分析、神经网络、时间序列分析预测模型.不同的预测模型各有特点和适用范围,文章通过对某货运公司未来七天用户货运申请量预测的具体实例,探讨预测模型的特点和应用.     

人工神经网络用于短期电力负荷预测网络结构初探

目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替。BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型（网络结构）进行了讨论。     

GMDH网络在短期负荷预测中的应用

文章提出基于自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于短期负荷预测.与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能.它能充分、合理地利用数据,自动进行变量组合,筛选及判断从而得到合适的模型,特别适用于数据预测.将这种用自组织方法所构成的GMDH型神经网络应用于广西某地区电力局的短期负荷预测,采用Matlab6.5进行仿真实验,证明其在短期负荷预测方面有很好的应用前景.     

基于BP神经网络的税收收入预测模型

税收收入预测的解析模型难以精确建立,基于多层前传神经网络,采用BP算法训练建立了税收预测模型,该模型具有收敛精度高、收敛速度快、泛化性能好的优点。研究表明,采用神经网络结构及其学习技术建立高精度非线性税收预测模型切实可行,具有推广应用价值。     

绿色金融背景下碳交易价格的研究与预测

碳交易价格作为碳交易市场的基础产品和重要经济指标,对于引导我国绿色金融交易市场稳健发展具有重要意义。梳理我国碳交易市场发展现状,分析碳排放价格的主要影响因素,并借助Elman神经网络模型对碳交易价格进行预测,对完善碳交易市场、平稳碳交易价格提出对策建议。