基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

基于DMD-NARX模型的短期电力负荷预测方法

提出了一种基于DMD-NARX模型的短期电力负荷预测方法,深入地探索了负荷变化趋势和历史数据之间的内在关联,同时在短期预测的精度上有所提高。首先通过自相关函数(Autocorrelation function, ACF)并结合短期负荷波动的时间规律特性,在已有历史相关数据的基础上推导出相应日期的输入特征集合;然后将输入特征集合归一化后通过Hankel矩阵完成由单变量输入特征序列向多维数据矩阵的转换,以动态模态分解(Dynamic mode decomposition, DMD)为手段完成对上一步所得多维数据矩阵的动态模态估计和特征分解,同时对电力负荷底层的多尺度动态情况有了更加深入的掌握;最后使用基于外部输入的非线性自回归(Nonlinear autoregressive with external inputs, NARX)神经网络模型,同时以上一步取得的动态模态估值作为计算相应预测日期内各时段负荷分布的基础,并推导出最终预测结果。最终的测试数据证明,此方法较好地改善了模型的预测精度。     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

基于影响因素筛选-优化组合模型的隧道变形预测研究

隧道变形监测是其安全施工的必设项目,对其预测研究具有重要意义,但隧道变形影响因素较多,难以直接开展变形预测研究。因此,研究先利用相关系数法评价各因素对隧道变形的影响程度,以确定隧道变形的主要影响因素,并将其作为变形预测模型的输入层信息;其次,再利用RBF神经网络构建隧道变形预测模型,且为保证预测精度,采用试算法和粒子群算法优化隐层节点数及相关模型参数。实例研究表明:相关系数法可很好地评价各影响因素与隧道变形间的相关程度,且不同监测项目的影响因素存在一定差异;同时,预测结果的相对误差均小于2%,说明优化RBF神经网络的预测精度较高,可靠性强,适用于隧道变形预测。     

一种基于BC RBFNN的高填路堤地基沉降预测模型

针对高填路堤地基沉降难以预测这一技术难题,对其影响地基沉降的主要因素进行了分析,根据各因素之间存在的高度非线性, 结合BCRBFNN（基于聚类分析径向基函数神经网络）非线性拟合的特点, 提出一种基于BCRBNN模型对高填方地基沉降进行预测.运用施工期路基沉降实测资料,对神经网络模型进行学习、训练和仿真, 得出仿真值与实测值非常相似, 从而得出基于BCRBFNN模型在高填路堤地基沉降预测中具有很好的实用效率.     

浅谈基于气象因素的电网短期负荷预测系统

电网负荷预测是电网建设的基础,也是电网的建设和布局的依据,电网负荷预测结果的准确与否关系到电力投资的效益。短期负荷预测的时间较短,周期为一到五年,主要是为配电网规划服务的。本文介绍了气象因素对电网负荷预测的影响,阐述了基于气象因素的电网短期负荷预测系统功能的实现。     

GM（1,1）改进模型在广西短期电力负荷预测中的应用

采用ＧＭ（１，１）改进模型与ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型对广西自治区电网特殊日电力负荷进行组合预测，阐述了ＧＭ（１，１）改进模型的建立方法，提出了适用于广西纂驱电网特殊日电力负荷预测的预测数据处理方法，提高了预测的精确度，全年日镀优于９５％，解决了在日采样点为２４点（正点采样）情况下预测度较低的问题。     

应用神经网络预测顶升法纠偏加固中的生石灰量

根据建筑物实测沉降利用人工神经网络理论,建立了前馈网络模型并提出新的算法,结合某建筑物纠偏工程实例对建筑物纠偏加固所需的生石灰量进行了预测.预测结果表明神经网络方法是可行且有效的.     

裂缝型页岩储层DHSR预测方法研究

水平应力差异比是页岩储层地应力评价的重要参数,可从应力角度有效判断出压裂有利区,在页岩储层"甜点"预测中发挥着至关重要的作用。页岩储层裂缝较为发育,因此可将裂缝型页岩储层等效为具有水平对称轴的横向各项同性介质。在此基础上,根据方位叠前反演理论,结合等效各向异性介质方位反射特征,发展了一种基于方位地震数据的页岩储层水平应力差异比预测方法。模型试算结果表明,该方法具有较好的稳定性和精度,可较为准确地预测页岩储层水平应力差异比,为页岩储层有利压裂区及"甜点"区的寻找提供依据。     

非晶态合金系磁性、超导电性和力学性能的计算

用化学结构参数- 模式识别人工神经网络方法对非晶态合金系的磁性、超导电性和力学性能( 包括饱和磁致伸缩系数、饱和磁感应强度、矫顽力、超导转变温度、硬度和抗拉强度) 与组成结构之间的关系进行了定性分析和定量计算,采用的化学结构参数为平均价电子数、混合熵、原子半径比、电负性差、功函数差和电子密度差等.结果表明,定性分析结果与实验结论一致,定量计算结果与实验测定值符合较好.     

差值量化椭圆球面波脉冲产生系统设计

为提高量化精度,降低量化存储空间需求,分析了直接数字波形合成椭圆球面波函数（prolate spheroidal wave function, PSWF）脉冲产生系统的幅度量化误差,指出了影响量化精度的主要因素,进而提出一种差值量化PSWF脉冲产生系统的改进设计方案. 该方案对采样幅度差值进行量化存储,代替采样幅度直接量化存储的方法,并对数模转换模块进行改进. 理论分析和仿真实验表明：当过采样率大于p时,采用差值量化代替直接量化有助于改善量化噪声功率谱. 过采样率每提高1倍,可使量化噪声功率谱改善6 dB,优于直接量化方式3 dB. 同样的量化位数情况下可获得更高的量化精度,在相同量化精度要求下可有效降低存储空间需求. 差值量化PSWF脉冲产生系统更适合于高采样率、高精度的PSWF信号产生.     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

非线性PCA方法在股价预测中的应用研究

针对传统PCA(主元分析)股票价格预测方法在非线性过程应用中存在的缺点,本文提出了一种基于RBF神经网络的非线性PCA(NLPCA)方法,不仅提取了高维原始数据的线性信息还能提取非线性信息.在此基础上进一步提出了样本中误差的检测方法,仿真试验表明它能有效地减小误差点对网络训练精度的影响,大大增强了股票价格预测的准确性.     

基于加权全局时频特征的易混淆词识别

针对易混淆词特征差异小,分类决策困难的特点,提出了一种新的语音识别特征。该特征可以根据待识单词的发音特点,通过选用合适的基函数及加权处理,突出混淆词特征之间的差异性;     

应用人工神经网络的标签缝隙天线设计

为探讨标签用缝隙天线的优化设计方法,尝试将人工神经网络优化理论应用于标签用缝隙天线的设计,避免了天线传统一维的优化设计过程中的缺点．设计结果与基于MOM的IE3D软件仿真结果一致性程度较好．制作了实物天线,用兼容的读写器测试读写距离,能满足相应要求．     

相似对称性在相似反对称结构的应用研究

相似反对称结构,就是结构本身不对称,但当结构的一部分绕某一点转过一定角度时,该部分可以与结构另一部分重合的结构体系;作用在相似反对称结构上的大小相等荷载,本身也非对称,在随结构转动后,荷载的作用点可以重合,当荷载方向相同时称之为相似正对称荷载,反之为相似反对称荷载.相似对称性就是这种结构的相似反对称性和荷载的相似正对称性与相似反对称性的统称.以力法为计算依据,以超静定刚架为例,对在相似对称性荷载作用下的相似反对称结构的内力和变形规律及其简便计算方法,进行研究.在其内力和变形的分析过程中,拟定结构体系各杆的抗弯刚度相同且忽略轴向变形和剪切变形的影响.研究表明:相似反对称结构在相似反对称荷载作用下,其结构内力、变形和支座反力呈现相似反对称;在相似正对称荷载作用下,其结构内力、变形和支座反力呈现相似正对称.此规律也适合静定和超静定的相似反对称梁、相似反对称桁架、相似反对称组合结构等结构形式.