检索结果-南通市图书馆

基于rbf神经网络组合模型的GNSS高程拟合

在线全文

学校读者我要写书评

暂无评论

测绘标准化 2022年第2期38卷 37-41页

作者：李林晓周鸿芸广东省测绘技术公司广东广州510700 广州市黄埔区不动产登记中心广东广州510700

针对传统神经网络模型在GNSS高程拟合时存在的拟合精度不高、拟合方法模型单一及拟合结果受参数因子选取影响大等问题,提出一种改进的rbf神经网络组合模型,并使用不同地形数据对BP神经网络模型、RBF神经网络模型和改进rbf神经网络组合... 详细信息

针对传统神经网络模型在GNSS高程拟合时存在的拟合精度不高、拟合方法模型单一及拟合结果受参数因子选取影响大等问题,提出一种改进的rbf神经网络组合模型,并使用不同地形数据对BP神经网络模型、RBF神经网络模型和改进rbf神经网络组合模型进行试验,采用拟合残差与外符合精度对3种模型的性能进行评估。结果表明,改进rbf神经网络组合模型可实现RBF神经网络模型中关键参数的优化选取,其拟合精度比BP神经网络模型和RBF神经网络模型的拟合精度更高,更适用于实际工程实践。

关键词： GNSS 高程拟合 BP神经网络模型粒子群优化算法 RBF神经网络模型

基于神经网络算法的沥青路面使用性能组合预测模型研究

在线全文

学校读者我要写书评

暂无评论

重庆交通大学学报（自然科学版） 2023年第3期42卷 71-77页

作者：曹雪娟卢治琳吴博文黄莹王民重庆交通大学材料科学与工程学院重庆400074 重庆交通大学土木工程学院重庆400074 重庆市智翔铺道技术工程有限公司重庆400067

为了准确预测沥青路面使用性能变化规律,提出了基于径向基神经网络算法的路面使用性能组合预测模型PCA-GA-rbf;针对神经网络收敛速度慢、模型参数容易陷入局部最优的问题,采用主成分分析算法对路面使用性能影响因素进行了降维处理,利用... 详细信息

为了准确预测沥青路面使用性能变化规律,提出了基于径向基神经网络算法的路面使用性能组合预测模型PCA-GA-rbf;针对神经网络收敛速度慢、模型参数容易陷入局部最优的问题,采用主成分分析算法对路面使用性能影响因素进行了降维处理,利用遗传算法对神经网络结构进行了优化;通过路面行驶质量的预测分析对组合预测模型进行了验证。研究表明:组合预测模型PCA-GA-rbf的拟合优度R2=0.820,均方根误差S=2.645,比单一rbf神经网络预测模型误差降低了11.4%,平均预测准确率为84.13%;组合预测模型计算速率快、预测精度高、预测效果好。

关键词：道路工程 RBF神经网络模型主成分分析算法遗传算法

基于GM-LSSVM-MKPCA的rbf神经网络短期电力负荷预测方法研究

在线全文

学校读者我要写书评

暂无评论

基于GM-LSSVM-MKPCA的RBF神经网络短期电力负荷预测方法研究

作者：朱路飞吉林大学

学位级别：硕士

电力负荷是一个国家经济发展的命脉,精准的电力负荷预测是电网部门进行电力调度、制定电力发展计划的基础。比如,2020年,中国在抗击新型冠状病毒的过程中,全国各地尤其是湖北省需要确保有序的电力供应,保障各医院设备的正常运行和居民... 详细信息

电力负荷是一个国家经济发展的命脉,精准的电力负荷预测是电网部门进行电力调度、制定电力发展计划的基础。比如,2020年,中国在抗击新型冠状病毒的过程中,全国各地尤其是湖北省需要确保有序的电力供应,保障各医院设备的正常运行和居民生活用电的正常供应,为了确保万无一失,在这种情况下,可以通过借助电力负荷预测来帮助电力部门科学有效的制定应急预案和保障措施。同时,近年来,电力负荷预测也是各位专家学者研究的重点,本文主要通过组合改进学习算法来提高电力负荷预测精度。灰色模型（GM）可以通过累加计算来修正数据,适合处理随机的、样本数据少且特征显著的系统,但是该模型对电力负荷数据缺乏一定的学习能力,信息处理能力较弱,需要进一步改进;最小二乘支持向量机（LSSVM）模型能够有效的处理以往存在的小样本、局部最小点、非线性等问题。本文提出一种基于GM-LSSVM模型的电力负荷组合预测方法。首先,采用残差修正和背景值修正的方法对灰色模型进行改进,再利用改进的GM模型得到残差序列,最后通过LSSVM模型进行预测得到结果。核主成成分分析算法（KPCA）可以处理非线性数据,针对该算法采用单一核函数不能同时兼顾学习能力和泛化能力的问题,本文提出了将多项式核函数和高斯径向基核函数混合的核函数,即混合核核主成成分分析算法（MKPCA）;rbfNN神经网络在泛化能力、聚类分析能力、信息处理能力、多维非线性映射能力、全局最优逼近能力等方面都具有优良的性能。本文在这两种模型的基础上进行研究,提出了基于MKPCA-rbfNN的组合预测模型。首先,利用MKPCA算法对电力负荷相关数据进行特征提取和降维处理,然后再将提取的几种主成分作为rbfNN神经网络的输入,最后得到电力负荷预测结果。针对电力负荷数据非线性、不确定性和复杂性的特点,结合GM-LSSVM模型、MKPCA算法、RNFNN神经网络三种模型的优势,本文提出了一种基于GM-LSSVM-MKPCA-rbfNN的组合预测模型。首先,利用GM-LSSVM模型预测出样本校正序列;然后,应用MKPCA算法对校正序列、日最高温度、日最低温度、星期类型等负荷影响因子进行降维处理;最后,再将处理后累计贡献率占比九十以上的几种主成分作为输入层神经元输入rbfNN神经网络进行训练,最终得到电力负荷预测结果。通过MATLAB仿真进行实验,与其它两种组合预测模型进行对比,结果表明,本文提出的电力负荷组合预测方法能够有效地提高电力负荷预测精度,可以合理的对实际电网数据进行分析预测。

关键词：电力负荷预测灰色最小二乘支持向量机混合核核主成成分分析 RBF神经网络模型组合预测

基于rbf神经网络的活性污泥模型的应用(英文)

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

南开大学学报（自然科学版） 2008年第2期41卷 91-97页

作者：王维斌赵新华天津大学环境科学与工程学院天津300072

对 rbf 神经网络模型进行仿真,验证了活性污泥系统的有关规律,表明了模型的有效性.在此基础上,将模型应用于污水处理厂的运行管理和工程设计.在运行管理中分析了模型在预测和运行控制方面的作用和意义;在工程设计中,通过与传统方法比较... 详细信息

对 rbf 神经网络模型进行仿真,验证了活性污泥系统的有关规律,表明了模型的有效性.在此基础上,将模型应用于污水处理厂的运行管理和工程设计.在运行管理中分析了模型在预测和运行控制方面的作用和意义;在工程设计中,通过与传统方法比较,显示了在确定反应池容积上的有效性.通过实例,证明了模型在运行管理和工程设计上有效应用所产生的经济效益.

关键词：活性污泥 RBF神经网络模型仿真运行管理工程设计

基于粗糙集和rbf神经网络的脑梗塞发病率预测

在线全文

学校读者我要写书评

暂无评论

西北民族大学学报（自然科学版） 2012年第3期33卷 17-21页

作者：马亮亮攀枝花学院计算机学院四川攀枝花617000

基于粗糙集和神经网络理论,文中构造了粗糙集和rbf神经网络的融合预测模型.该模型运用粗糙集中的知识依赖度理论对多属性进行约简,并在约简的基础上建立了RBF神经网络模型.最后,用所建模型对青海海西州的脑梗塞月发病率进行了拟合和检验... 详细信息

基于粗糙集和神经网络理论,文中构造了粗糙集和rbf神经网络的融合预测模型.该模型运用粗糙集中的知识依赖度理论对多属性进行约简,并在约简的基础上建立了RBF神经网络模型.最后,用所建模型对青海海西州的脑梗塞月发病率进行了拟合和检验,实验结果表明该模型的预测精度高于传统的分析方法,从而为发病率预测问题提供了一种新的方法.

关键词：粗糙集 RBF神经网络模型因子分析知识依赖度发病率

在线全文

学校读者我要写书评

暂无评论

超高压输电线可听噪声预测方法研究

电工电能新技术 2014年第7期33卷 67-72,76页

作者：李永明王玉强徐禄文沈婕重庆大学输配电装备及系统安全与新技术国家重点实验室重庆400044 重庆市电力科学试验研究院重庆401123 重庆市电力公司市区供电局重庆400014

为了研究输电线的可听噪声,本文建立了灰色理论、径向基函数(rbf)神经网络、灰色rbf神经网络和小波神经网络四种预测模型,并分析了每种方法的特点。每种预测模型都考虑了影响输电线路可听噪声的环境、地理位置、导线、线路结构参数等14... 详细信息

为了研究输电线的可听噪声,本文建立了灰色理论、径向基函数(rbf)神经网络、灰色rbf神经网络和小波神经网络四种预测模型,并分析了每种方法的特点。每种预测模型都考虑了影响输电线路可听噪声的环境、地理位置、导线、线路结构参数等14个因素。结合实例,利用各种方法对输电线可听噪声进行了预测。利用灰色理论进行预测时,首先通过灰色关联分析计算了每个因素的关联度,然后选择灰关联度大于0.8404的6个因素建立了GM(1,7)预测模型。通过计算分析,灰色预测的结果最差,嵌入型灰色rbf神经网络和小波神经网络的预测精度较高,其平均相对误差分别为2.222%和2.853%,因此它们可以用来预测输电线的可听噪声。组合预测方法的预测精度比单一预测方法的精度好,并且组合的方法可以提高预测的稳定性。

关键词：可听噪声输电线路灰色模型 RBF神经网络模型灰色神经网络模型小波神经网络模型

在线全文

学校读者我要写书评

暂无评论

汽车零部件仓储企业的存储控制策略研究

汽车零部件仓储企业的存储控制策略研究

作者：曹迪大连理工大学

学位级别：硕士

自20世纪80年代以来,外包已成为商业领域中的一大趋势。企业越来越重视集中自己的主要资源与业务,而把其他资源与业务外包。中国的大多数汽车制造企业也会采用有限的物流业务外包形式将物流服务委托给第三方物流(Third Party Logistics,... 详细信息

自20世纪80年代以来,外包已成为商业领域中的一大趋势。企业越来越重视集中自己的主要资源与业务,而把其他资源与业务外包。中国的大多数汽车制造企业也会采用有限的物流业务外包形式将物流服务委托给第三方物流(Third Party Logistics,3PL)企业。存储控制对于3PL仓储企业减低运作成本、提高服务水平具有重要的现实意义,而这些3PL企业在服务中出于被动和从属地位,并不是完全的第三方物流服务,主要任务是仓储业务。这使得其进行存储控制变得更加困难。本文的研究对象即为面向汽车产前零部件的此类3PL仓储企业的存储控制问题。希望通过仓储企业本身出发,通过其仓储数据预测存储需求量,并通过一定的控制策略对3PL仓储企业存储的零部件进行管理,通过存储控制为所服务的汽车制造企业提供更加合理的订购建议,从而提高仓储企业的服务水平。 3PL仓储企业在进行存储控制时面临以复杂和不确定为特征的动态需求环境,影响汽车零部件库存需求量的因素众多,该预测问题具有高度非线性与趋势不确定性,使得准确预测其库存需求量很困难,这也是汽车零部件存储控制中的难点。基于汽车零部件的需求特点,本文提出一种集成预测模型SIF,包含三个子模型：ARIMA模型、RBF神经网络模型和专家打分模型。该集成预测模型在预测汽车零部件周期性趋势基础上,综合考虑多种内、外部影响因素对零部件需求的影响,动态预测其需求的变化。对于不同的汽车零部件,其库存特点存在较大区别,因此在进行存储控制时,本文采用基于DEV法的ABC分类法对零部件进行合理分类。在对库存需求进行有效预测和合理分类的基础上,针对每类零部件提出不同的库存策略,并针对其中AD、BE和CV类零部件,提出了需求率随时间分段变化且允许缺货的库存控制模型。该模型在考虑缺货成本和服务水平的基础上,在每个周期内,根据库存需求趋势特点进行存储控制,得到每个阶段对应的订货周期和对应每个周期内不同的订货量。通过分段控制模型,分析对比零部件的需求变化趋势及3PL仓储企业的现有库存量,为汽车制造业提供更加合理的采购意见,从而提高存储控制的效率和企业的服务水平。最后通过实例研究,对某面向汽车产前零部件的3PL仓储企业提出了有效的存储控制策略。本文研究为这类3PL仓储企业的存储控制问题提供了新的思路。

关键词：存储控制 ARIMA模型 RBF神经网络模型集成预测模型

BP和rbf神经网络应用于海表温盐短期预测效果对比

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

海洋科学进展 2022年第2期40卷 220-232页

作者：李亚蒙丁军航孙宝楠官晟青岛大学自动化学院山东青岛266071 自然资源部第一海洋研究所山东青岛266061 山东省工业控制技术重点实验室山东青岛266071 自然资源部海洋环境科学与数值模拟重点实验室山东青岛266061 山东省海洋环境科学与数值模拟重点实验室山东青岛266061 青岛海洋科学与技术试点国家实验室区域海洋动力学与数值模拟功能实验室山东青岛266237

为了对海表温度(Sea Surface Temperature,SST)和海表盐度(Sea Surface Salinity,SSS)数据进行精确的短期预报,基于多站位海洋观测浮标获取的海表温度和海表盐度数据,利用反向传播(Back Propagation,BP)和径向基函数(Radial Basis Function,rbf)两种神经网络方法开展了短期预测。首先,在预测时长固定为5 d的情况下,对比不同训练时长的预测结果的均方误差(Mean Squared Error,MSE),进而确定以20 d的观测数据作为训练集的预测结果均方误差最小。然后,以PAPA站观测浮标获取的2009年1月、4月、7月和10月各月的前20 d温盐数据作为训练集,分别训练BP和rbf神经网络,将训练好的2种神经网络模型应用于各月第21至25日的温盐数据预测。结果表明:BP和rbf神经网络均能有效预测海表温盐数据的季节性变化,但rbf神经网络对不同预测时间的整体预测效果优于BP神经网络。多站点数据的预测实验进一步验证了RBF神经网络模型具有较强的适用性和更高的准确性。RBF神经网络模型可以作为海表温盐数据短期预报的有力工具。

关键词： BP神经网络模型 RBF神经网络模型海洋观测浮标数据预测海表温度海表盐度

在线全文

学校读者我要写书评

暂无评论

几组非线性动态数据的分析及预测

几组非线性动态数据的分析及预测

作者：袁俊丽郑州大学

学位级别：硕士

混沌现象是一种在自然界广泛存在的由确定非线性动力系统生成的貌似随机的复杂行为.混沌时间序列分析与预测是一个重要的问题.在本文中我们研究了不同数据混沌特性的计算规律,利用定量的方法分析实际数据混沌特性,并对数据的可预测特性... 详细信息

混沌现象是一种在自然界广泛存在的由确定非线性动力系统生成的貌似随机的复杂行为.混沌时间序列分析与预测是一个重要的问题.在本文中我们研究了不同数据混沌特性的计算规律,利用定量的方法分析实际数据混沌特性,并对数据的可预测特性进行了研究对实际数据混沌特性的研究探索,为进一步研究混沌特性描述及混沌预测提供了较好的支持.我们利用自相关函数法对嵌入时滞进行估计,利用最近伪邻居法对嵌入维数进行估计.我们在相空间重构理论的基础上进行混沌特性分析,从最大Lyapunov指数判断其是否混沌.本文对香港天气数据、美国纳斯达克指数数据、南方航空公司证券数据、万科报价数据进行了分析及预测.首先利用自相关函数得到了嵌入时滞,利用最近伪邻居法得到了嵌入维数,然后利用Tisean软件得到了其最大Lyapunov指数,判断其是否是混沌的,最后利用RBF神经网络模型进行预测.我们又借助于Matlab软件编程对其进行分析预测.

关键词：混沌相空间重构 Tisean软件 RBF神经网络模型预测