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.     

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。     

基于回声状态神经网络风电齿轮箱故障诊断方法

增速齿轮箱是大型风力发电机组的关键部件,应采用合适的方法进行故障诊断对其运行状态进行预测。本文提出了基于小波包和回声状态神经网络的齿轮箱故障诊断方法。首先利用小波包分解风机齿轮箱的故障信号,能够得到振动信号位于不同频段的故障特征,接着对不同频段的故障特征频率做归一化处理,进而组成故障特征向量,最后将特征向量输入回声神经网络模型得到故障类型。该方法减小了传统的BP神经网络模型神经网络算法陷入局部最优解的风险,提高了网络的收敛速度。     

基于改进的径向基神经网络模型的水库异重流泥沙淤积量模拟

文章结合改进的径向基神经网络模型对石佛寺水库异重流泥沙淤积量进行模拟,并结合水库泥沙淤积量测定值对模型进行检验。结果表明：相比于传统模型,改进模型对模型变量进行优化调整,对于水库异重流泥沙淤积量预测的精度有明显改善。研究成果对于水库泥沙淤积的趋势预测方法具有参考价值。     

基于改进蒙特卡洛算法的河流水质概率区间时空变化预测研究

文章引入交叉熵抽样方法对蒙特卡洛随机抽样进行优化和改进,并将改进算法结合水动力-水质模型对云南中部某河流水质概率区间时空变化进行预测。结果表明:改进算法在河流主要水质指标趋势的预测精度上好于传统算法;研究河流氨氮浓度在0.33~0.35mg/L的累积概率最高为0.702,而溶解氧浓度在4.31~4.51mg/L,累积概率最高达0.646;改进算法可估算不同概率下各水质指标随时间变化的波动曲线,可以河流水质预警提供关键依据;研究河流中上游出现高浓度氨氮和低浓度溶解氧的概率高于下游。研究成果对于河流水质预警系统构建提供重要依据。     

基于Markov-GNNM的煤炭需求量预测模型研究

煤炭资源在我国能源消费总量中仍然占据主导地位,准确预测煤炭的需求量对我国经济发展和产业结构升级有着重大意义,针对传统煤炭需求量预测单一预测方法的缺陷,建立了组合灰色神经网络模型,为进一步提高模型精度,选用马尔科夫模型缩小预测残差范围来修正组合模型,进而建立了Markov—GNNM组合模型,旨在为准确预测煤炭需求量提供模型依据。选取2000—2018年我国煤炭需求量数据进行实证分析,预测结果表明该模型预测精度高,适用于煤炭需求量预测。     

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.     

沁水县水库洪水水位及流量智能化预测研究

水库洪水预测对于水利工程的运行和管理至关重要。为精确预测洪水水位流量,研究以沁水县张峰水库为例,提出了一种基于特征提取的混合小波神经网络(WNN)方法来预测水库流量。通过小波变换处理,特征提取方法来确定人工神经网络的输入数。分析了水库洪水水位及流量变化规律,建立智能化预测模型并进行流量预测分析。研究结果表明：模型相关性值达到了0.99738,预测效果十分出色。研究发现特别在长期预测方面,提出的特征提取模型的表现优于同类模型。     

多算法组合的河流水质预测方法研究

为了对河流水质在一定时间的变化情况进行准确预测,研究分析了灰色预测方法、广义自回归条件异方差模型,考虑这两种方法的优势和不足,引入离散小波变换对时间序列进行处理,提出了基于3种算法的组合预测方法,给出了该组合预测方法的具体实现过程和算法要求,在Matlab编程实现该组合预测方法。以某河流水质为研究对象,利用该方法预测河流的水质变化情况,并和实际监测结果进行对比,预测结果表明:溶解氧、高锰酸盐指数、氨氮含量均和实测结果接近,吻合度高,平均相对误差较小,说明该组合预测方法可以有效地预测河流水质在未来短时间内的水质变化情况。     

基于改进的马尔科夫链模型的河流径流预测研究

针对传统马尔科夫链模型不能考虑各因子权重的局限,文章引入自相关系数作为各因子权重,对传统马尔科夫链模型进行改进,并将改进的马尔科夫链模型进行径流预测。研究结果表明:改进马尔科夫链模型可提高方程的收敛性和预测精度,改进的马尔科夫链模型径流预测精度明显好于传统马尔科夫链模型的预测精度,预测值与实测值相关系数高于传统马尔科夫链模型。研究成果对于区域径流的数学模型预测具有较好的参考价值。     

三岔河上游流域径流演变特征与趋势预测研究

为满足三岔河流域经济调度运行实践需求,采用最近邻回归(NNBR)和人工神经网络(ANN)算法对流域的径流演变特征与趋势进行多时间尺度预测。预测值与实测数据对比分析表明:采用最近邻回归(NNBR)模型进行径流预测,其预测值的准确性和可靠性较ANN神经网络模型高,与实测数据拟合性更好,更贴近径流实际,可为三岔河流域生态保护和水资源配置及可持续发展提供科学辅助决策数据支撑。     

改进边界条件的非恒定流模型在城市河流橡胶坝流态模拟中的应用

文章对传统非恒定流模型的定边界条件进行改进,引入动态边界条件对模型进行改进,并考虑动态边界条件的非恒定流数学模型对辽宁中部某城市河流橡胶坝段的流态进行数值分析。分析结果表明:相比于传统边界条件模型,改进边界条件的非恒定流数学模型更适合橡胶坝段河流流态的数值模拟。研究成果可为具有动态边界条件的城市段橡胶坝流态数值模拟提供方法参考。     

土壤水入渗参数非线性预测模型改进及应用研究

针对传统土壤水入渗模型不能考虑纵向土壤水分布变化,引入非线性模型对传统模预测模型进行改进,并结合土壤水观测试验对改进前后模型的预测精度进行比对。结果表明：改进模型可综合考虑纵向土壤水分布变化,相比于改进前,土壤水含水量预测精度得到明显提升,相对误差平均降低%。研究成果对于土壤水入渗量非线性预测方法具有重要参考价值。     

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。     

基于改进WPSO-SVR模型的梯级电站日入库径流量预测研究

文章引入改进的WPSO-SVR模型,对辽宁东部某流域内梯级电站的日入库径流量进行预测。预测结果表明:改进的WPSO-SVR模型可解决传统模型算次数较多且无法解决高维度计算优化的局限;相比于传统模型,改进模型在各梯级电站日入库径流预测相对误差减少9.5%,合格率提高36.7%。研究成果对于梯级电站日入库径流预测提供方法参考。     

基于FCM聚类的石油化工压力管道疲劳寿命预测

由于传统寿命预测方法依赖于失效数据信息，而大多数产品的失效数据非常有限，导致寿命预测准确性差。为此，研究了基于模糊c-均值聚类（fuzzy c-means clustering,FCM）的石油化工压力管道疲劳寿命预测方法，采用小波支持向量回归机建立退化轨迹模型，利用遗传算法优化模型参数；通过压力管道疲劳缺陷扩展计算模型，确定压力管道存在疲劳缺陷区域；使用FCM算法监测数据聚类过程，实现拐点估计与寿命预测。测试结果表明：利用FCM聚类算法监测不同聚类中心拐点的隶属度后，疲劳寿命预测结果与实际结果误差低于1.0 m/s，说明该方法具有较高的寿命预测准确性。     

改进的GM(1,1)模型在区域降水量预测中的应用研究

通过引入变量权重系数对传统灰色动态预测模型各变量赋予权重值,对传统GM(1,1)进行改进,并将改进的GM(1,1)模型运用区域的降水量预测中。研究结果表明:改进的GM(1,1)模型可以更好的考虑变量之间的权重,改善传统模型的计算收敛精度。在对年降水量的预测中,改进的GM(1,1)模型可通过置信度为95%的F检验,相比于传统模型,改进的模型在区域2个降水站点年降水预测相对误差分别减少9.3%和17.52%。改进的GM(1,1)模型在夏季F检验的决定系数和F值均最高,冬季最低。研究成果对于区域降水量的预测提供参考价值。     

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。     

改进的ANFIS模型在河道堤防物理力学参数反演计算中的应用

文章结合自适应函数对传统ANFIS模型进行改进,并将改进的ANFIS模型对辽宁西部某中小河流河道堤防的物理力学参数进行反演计算,并结合正交试验确定模型计算的训练样本,确定改进的ANFIS模型岩石力学参数反演的映射结构,同时结合河道堤防原位监测的位移数据,对改进前后的模型参数反演误差进行了对比分析。结果表明,改进的ANFIS模型可提高河道堤防参数反演精度,相比于传统模型,改进模型的参数反演计算堤顶下降以及周边位移和监测位移之间的误差分别减少14.8%和18.6%。研究成果可在河道堤防参数设计中进行推广和应用。     

改进的PSO-RBF模型在土壤水入渗参数非线性预测中的应用研究

引入改进的PSO-RBF模型,并结合辽宁中部土壤水观测试验区的试验数据,对Grenn-Ampt土壤水入渗模型参数进行非线性预测研究。结果表明:改进的PSO-RBF模型对土壤入渗参数非线性预测精度高于传统PSO-RBF模型,各参数预测值和试验观测值误差分别提高17.4%和11.1%;改进的PSO-RBF模型预测的各土壤水入渗参数和土壤物理参数间的相关系数均达到0.6以上。研究成果对于土壤入渗模型参数非线性预测方法提供参考价值。