共查询到20条相似文献，搜索用时 31 毫秒
1.
文章提出了一种模糊控制与RBF神经网络相结合的电力系统短期负荷预测算法,用以解决传统RBF神经网络在电力系统短期负荷预测中存在误差的问题。通过实例验证,该方法与传统的RBF负荷预测方法相比,提高了预测精度,并且具有较好的应用前景。 相似文献
2.
黄志博 《石家庄铁路职业技术学院学报》2018,(1)
通过理论与实际验证深基坑自身稳定性以及降水及机械振动带来的影响,然后通过变形测量监测数据来控制边坡稳定,通过边坡稳定分析结合测量监测解决了深基坑工程边坡的安全稳定问题,具有实际分析应用意义。 相似文献
3.
为解决污水处理过程出水氨氮难以精确测量问题,提出一种基于自适应核函数RBF神经网络的出水氨氮软测量方法。由于隐层激活函数对神经网络性能影响较大,AK-RBF 神经网络将基于欧几里得的高斯核与余弦核通过线性组合形成新的隐层神经元激活函数。网络参数学习采用梯度下降算法推导的迭代公式更新以提高网络预测精度。仿真实验表明,基于AK-RBF神经网络的出水氨氮软测量方法能够在线预测出水氨氮,比RBF神经网络具有更高的预测精度和更好的自适应能力。 相似文献
4.
应用灰色系统理论计算了铁路货运量与货运量影响因素的关联度,并对其进行了排序。利用MAT-LAB软件,建立铁路货运量的RBF神经网络预测模型,对我国1992-2008年的铁路货运量进行仿真实验。结果表明基于灰色系统理论的RBF神经网络模型预测平均相对误差为0.44%,常规RBF神经网络模型的平均预测误差为1.47%,因此认为基于灰色系统理论的RBF神经网络的铁路货运量预测方法有效可行。 相似文献
5.
当前使用的自适应阈值、应力强度因子检测方法,没有考虑路面受到不同张拉力影响而出现的结构问题,导致监测裂缝状态结果较为单一。为了解决该问题,提出了预应力分析下的路堑边坡裂缝不间断监测方法。以X298盘县雨格至普古段改造工程路堑边坡为研究对象,根据锚索预应力监测原理,分析路堑边坡预应力锚索工后状态。采用DIX专业数码相机,不间断地监测流程,拍摄路堑边坡裂缝图像。通过分析图像的局部二元模式特征,计算像素差绝对值,对裂缝区域进行分割。利用对角线方向目标像素点的灰度差,提取路堑边坡裂缝特征。构造高斯滤波函数,避免噪声干扰。通过计算水平和垂直直方图的方差,得到不同预应力条件下各种路堑边坡裂缝监测结果。 相似文献
6.
分析了RBF神经网络在事故预测领域的适应性,提出了采用RBF神经网络建立道路事故预测模型．利用我国1990—2009年道路交通事故数据,运用RBF神经网络建立了非线性回归预测模型,并利用该模型预测了2000—2010年的道路交通事故死亡人数,结果显示该模型具有较高的可靠性,可为我国道路交通管理提供数据支持。 相似文献
7.
8.
鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。 相似文献
9.
BP神经网络在雷达干扰效能评估中存在收敛速度较慢的问题,对此,提出了一种基于RBF的神经网络算法。该方法依据干扰效果评定因素的隶属函数确定其隶属度,作为RBF神经网络的输入层数据。选定训练样本,将测试样本的神经网络性能进行检验,以此比较BP神经网络算法。理论推导和仿真实验结果表明：新方法具可行性与有效性,且比BP神经网络具有更快的收敛速度和更好的稳定性。 相似文献
10.
11.
12.
提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法，在该算法中，先用RBF神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题，仿真结果验证了这一新型算法的可行性。 相似文献
13.
14.
针对造纸中段废水絮凝过程中zeta电位变化复杂,难以建立准确的数学模型的问题,提出利用神经网络对其中的zeta电位进行建模预测,研究了基于BP、Elman、RBF神经网络模型的多输入单输出建模方法。该建模法通过建立待测量zeta电位与絮凝剂投放量之间的非线性函数关系,间接得到待测变量的估计值。仿真结果表明RBF神经网络预测模型有较好的实时性和良好的泛化能力。与BP网络相比,RBF网络具有误差小、计算量小的优点,与Elman网络相比,具有周期短的优点,是一种有效的建模方法,能够快速、准确地在线预测废水中的zeta电位。 相似文献
15.
《实验室研究与探索》2019,(10):36-39
针对风电场输出功率表征的周期性及随机、间隙、非平稳特性,提出一种小波变换(Wavelet Transform,WT)和径向基神经网络(RBFNN)相结合的风功率预测方法,并引入平均温度、相对湿度及降雨量等气象因素预测未来一段时间的风电功率输出。小波分解能有效地表征风电场输出功率时间序列的局部特征;人工智能方法可以捕捉到风力发电中的非线性特性。引入气象因素的WT和RBF神经网络预测方法能有效地提高预测准确度。以平均绝对误差和均方根误差为预测评价指标,与RBF神经网络方法相比,提出的小波变换和RBF神经网络预测方法具有更好的预测效果,从而可减少风电波动性对电网的影响,提高电网的安全性和可靠性。 相似文献
16.
电力负荷预测一直是电力系统的重要研究课题。在考虑天气状况因素的前提下,通过MATLAB软件实验平台,构建了一个RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差比较小,结果令人满意,证明了RBF神经网络在电力短期负荷预测领域的有效性和可行性。 相似文献
17.
为使X型四旋翼无人机系统能够在受到扰动时快速调整状态以适应环境变化,对X型四旋翼无人机进行区别于传统的受力分析,建立动力学数学模型,采用RBF神经网络和PID联合控制方法,依靠神经网络自学习和非线性映射特征实现系统控制参数的动态整定。以MATLAB/Simulink为实验平台,对RBF神经网络PID控制系统和单纯PID控制系统分别进行仿真。实验结果表明,RBF神经网络PID控制比传统的PID控制调整时间更短、控制效果更好,增强了系统自适应性。 相似文献
18.
提出了把粗糙集和R BF神经网络相结合应用于农业总产值预测的方法。首先用粗糙集对影响农业总产值的多个因素进行属性约简,选择主要影响因素,去除冗余信息;然后利用RBF神经网络建立预测模型。最后对该模型的预测结果与因子分析神经网络模型的预测结果进行了比较,表明了该模型的有效性和优越性。 相似文献
19.
田茂学 《江西电力职业技术学院学报》2023,(12):17-19
针对电力物联网环境下的智能配电房,系统探讨了状态监测技术、故障防范与响应策略等方面的内容。通过分析关键监测参数、数据采集与处理技术、实时监测等在配电房中的具体应用,提出了选用合适的传感器和算法的设计思路。在故障防范方面,采用循环神经网络、支持向量机等算法进行故障预测与识别。同时,研究了自动化隔离与修复策略在保障配电房高效运行中的作用机制。研究表明,智能配电房的应用可有效提高电网的稳定性和安全性。 相似文献
20.
与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明：在单步直接预测、单步间接预测、多步直接预测和多步间接预测中,多步间接预测是其中最有效的方式。 相似文献