共查询到10条相似文献，搜索用时 15 毫秒
1.
李伟 《石家庄铁路职业技术学院学报》2012,(2)
为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力 相似文献
2.
丁洁 《忻州师范学院学报》2013,29(2)
为了更准确对空调系统负荷进行预测,文章在介绍Elman神经网络原理的基础上,对应用在处理动态数据模型上具有优越性的Elman回归型神经网络建立负荷预测模型,讨论了负荷预测模型中隐层神经元数目的选取,并对空调负荷值进行预测.同时也对静态前馈型BP神经网络进行建模和预测,比较两种预测结果,分析其误差,证明了Elman网络在动态预测实验中与BP网络相比较的优势. 相似文献
3.
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
4.
针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对图像进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。 相似文献
5.
本文将BP(Back Propagation)神经网络应用到题库试题分值的确定中,以解决目前智能组卷研究中题库试题分值确定的不合理性。在训练网络时,对标准BP算法作了相应改进,以适应该智能模型的建立。通过案例试验,验证了确定试题分值的智能模型的精度是符合实际要求的,在一定程度上为智能化组卷奠定了基础。 相似文献
6.
邓其贵 《柳州职业技术学院学报》2013,13(3):47-50
针对汽车空调系统的温度控制的应用,提出了一个基于神经网络的温度控制系统。通过对汽车空调系统的组成结构研究,分别对汽车空调系统中的压缩机、管孔工质流、冷凝器等各主要组成部分建模,在此基础上,建立了空调控制系统的工作模型,给出了空调控制系统中热力循环关系式。为提高空调控制系统的控制性能,提出了基于神经网络的温度控制系统设计原理和实现方案。 相似文献
7.
《佳木斯教育学院学报》2016,(11)
BP神经网络具有实现非线性映射特点和较强的容错能力、泛化能力等优点。然而,因为其采用了最速下降梯度寻优算法,在实际应用中往往出现收敛速度缓慢、时常陷入局部极小值等缺陷。人工蜂群算法是受蜂群个体间通过相互协作对既定目标进行寻优的群体行为启发提出的一种新型群智能优化算法,具有很好的全局收敛特性,其次有较强的自适应性、协作性、鲁棒性、快速性等特点。文中探讨用人工蜂群算法来优化BP神经网络算法,进一步提高BP神经网络性能。 相似文献
8.
针对隧道时变性与不确定性,提出一种基于BP神经网络预测风机频率的算法,通过频率预测开启风机,实现隧道通风自动化。在此算法基础上,运用MIV算法筛选有意义的输入参数。结果表明,经MIV算法优化后,BP神经网络算法预测风机频率有较高精确性,符合风机在隧道的运行特性,可应用于隧道通风。 相似文献
9.
为提高BP神经网络的预测精度,克服自身容易陷入局部极值和收敛速度慢的缺陷,将AdaBoost算法和BP神经网络结合起来,建立基于AdaBoost算法的BP神经网络模型。该模型将多个BP神经网络作为弱预测器,然后采用AdaBoost算法将多个弱预测器组成强预测器进行预测。将该模型应用于软件老化测试,实验结果表明,该模型相比单个BP神经网络具有更好的预测精度。 相似文献
10.
刘俊 《绵阳师范学院学报》2015,(2):79-83
直接使用BP神经网络拟合非线性函数,具有预测精度差、收敛速度慢等缺点.该文提出利用极强全局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型,然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值,最后利用MATLAB软件对多个非线性函数进行拟合仿真实验,比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果 .数据表明,优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间. 相似文献