共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
针对铅锌烧结过程中具有强非线性、时滞的特点,提出一种基于变学习率的烧结块产量质量神经网络预测模型.通过分析过程特性和工况参数的相关性,确定影响产量和质量的操作参数;采用普通的BP(Back Propagation,简称BP)神经网络结构,建立铅锌烧结块产量质量预测模型;在网络训练的过程中,采用变学习率的方法对BP算法进行改进,获得了满意的预测效果,该算法具有较快的收敛速度.将改进的神经网络模型进行仿真实验,结果表明,该模型具有较高的预测精度和较强的自学习功能,从而验证了方法的有效性. 相似文献
4.
基于神经网络的非线性时间序列预测方法研究 总被引:8,自引:0,他引:8
本文提出了一种基于神经网络进行非线性预测的方法,对BP模型应用于非线性预测了较详细的研究和探讨,应用该方法对经典非线性时序信号进行预测,并与传统预测方法(TAR预测法)效果进行了比较,结果证明神经网络预测方法(ANN预测法)具有十分明显的优势。 相似文献
5.
以RBF神经网络为基础,提出了一种吴有白评判自学习能力的短期电力负荷预报方案,该方案包含预报器、评估器、探测器:和学习机四个组成部分.预报器用来预测未来时段的电力负荷,评估器用来对预报结果进行评估,探测器用来确定预报的有效步长,学习机用于预报器的自我学习.预报器根据评估结果通过学习机制能够自动适应电力负荷的变化,从而保持一种良好的预报状态.仿真实验表明该方法在电力负荷规律不明确的环境下预报精度比传统方法高。 相似文献
6.
用神经网络组合预测法估算反舰导弹研制费用 总被引:6,自引:0,他引:6
运用BP神经网络组合预测法对反舰导弹研制费用进行估算。首先分别利用神经网络和回归分析方法对导弹研制费用进行估算 ,然后利用BP网络对所得结果进行组合预测。计算实例表明 ,使用BP神经网络组合预测方法所得的预测结果比单一使用神经网络或回归分析方法所得结果总体误差要小 ,因而该方法是可行的、有效的。 相似文献
7.
神经网络模型用于多变量综合预测 总被引:6,自引:0,他引:6
本文研究神经网络用于多变量时间序列预测的原理与方法,提出组合多种信息的综合预测方法。以股票交易为例,用神经网络组合各类信息,运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明,神经网络模型用于多变王时间序列预测,其精度和趋势均较统计方法有所提高;神经网络综合预测,对中短期股票价格的预测,有实用价值。 相似文献
8.
基于混沌和RBF神经网络的短时交通流量预测 总被引:7,自引:0,他引:7
针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,论文从非线性时阅序列的角度对短时交通流量预测进行探讨,提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下,对交通流量数据进行相空间重构。构建了RBF神经网络,并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明,该方法对模拟产生的混沌时间序列具有很好的预测效果,在交通流量的短时预测上也具有较高的预测精度。 相似文献
9.
10.
用神经网络组合预测法估算反舰导弹研制费用 总被引:9,自引:0,他引:9
运用BP神经网络组合预测法对反舰导弹研制费用进行估算。首先利用回归分析法建立三元线性回归模型对导弹研制费用进行估算,然后利用3层前馈型BP神经网络对导弹研制费用进行估算,最后利用人工神经网络中的BP网络对所得结果进行组合预测。计算实例表明,使用该组合预测方法所得的预测结果比单使用神经网络或回归分析方法所得结果的总体误差要小,因而该方法是可行而有效的。 相似文献
11.
神经网络非线性预测优化控制及仿真研究 总被引:10,自引:3,他引:10
针对暖通空调等一类时变多输入多输出非线性过程控制系统,采用神经网络作为优化反馈控制器求解优化反馈解,并利用预测控制滚动优化能够克服干扰和不确定性影响的优势,采用基于Hamilton-Lagrange方法和预测滚动优化算法训练多层前向神经网络,同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测,以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真,优化指标取舒适性指标和耗能量之和。仿真结果表明,采用此方法,在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。 相似文献
12.
13.
利用神经网络对土壤水分进行预测时,一般需考虑多个因素(如气象因素和土壤特性等),需测量多种参数值。神经网络模型只以0~100cm范围内各层的土壤含水量为输入变量,对0~180cm土层的土壤含水量进行了预测,并与Biswas估算模式的预测结果进行了比较。结果表明:神经网络方法具有很高的预测精度,预测值的相对误差在-4.26%~3.22%;Biswas估算模式的预测效果较差,预测值的相对误差在-11.87%~7.95%。由此可见,该神经网络模型具有较强的便利性和实用性,可用于对本地区果园的土壤墒情进行估测。图8,表2,参14。 相似文献
14.
针对模糊神经网络预测混沌系统输入节点数目的确定随意性较大及敛速度慢的缺点,提出T SK反馈模糊神经网络(T SKrecurrentfuzzynetwork,TRFN)。同时采用两阶段学习算法:先进行结构学习来确定TRFN的最佳结构,再利用基于混沌动态量的BP算法对神经网络进行参数学习,提高了收敛速度和预测精度。应用此网络和相应的学习算法,对Henton序列进行了预测,与传统的模糊神经网络相比,在节点数目较少的情况下,取得了更快更精确的预测结果,验证了该方法的有效性。 相似文献
15.
月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度. 相似文献
16.
17.
18.
随机模糊神经网络在公司收益预测中的应用 总被引:2,自引:0,他引:2
系统介绍了随机模糊神经网络(SFNN)并将其用于上市公司每股收益的分类和预测,以解决—般的预测方法没有考虑到输入输出数据含有“噪声”的现实问题。文中选取了300家当前正在上海或深圳证券交易所上市的公司作为样本,用随机模糊神经网络对其每股收益的分类和预测进行了仿真研究,并将仿真结果与用模糊神经网络(FNN)的仿真结果进行了对比,结果显示用随机模糊神经网络的仿真效果较好。这对于投资者合理把握投资机会,正确投资以获得更高的收益有着一定的现实意义。 相似文献
19.
短期电力负荷预测的粗糙集方法 总被引:2,自引:0,他引:2
针对短期电力负荷预测外部影响因素的非线性特点,为得到精确的预测结果,采用粗糙集方法对电力负荷及其实际影响因素进行分析.建立了由代表自然因素的条件属性和代表负荷的决策属性所构成的短期电力负荷预测指标体系,利用粗糙集分析各个条件属性对决策属性的重要程度,得到约简后的预测指标体系,并根据实际历史数据进行短期电力负荷预测.并将所得预测负荷与BP神经网络算法进行对比,结果表明了粗糙集方法的优越性. 相似文献
20.
作物产量是许多因素综合作用的结果,可以把产量的形成过程,看做是既含有书籍信息又含有未知信息的灰色系统,作物产量就是这个复杂系统的输出结果。本根据灰色系统理论,以海伦市粮豆薯产量为例,用GM(1,1)灰色预测模型进行动态模拟和预测,同时提出用误差分析序更周期的方法对函数的残差信息进行辩识,这样提高了预测的精度,收到了较好的效果。 相似文献