首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 249 毫秒

1.  基于混沌算法的自适应预测模型  
   李克平  陈天仑  刘恒玲《系统工程理论与实践》,2003年第23卷第1期
   在混沌算法神经网络的预测模型中 ,适当选择非线性反馈项 ,能使网络的动力学在权空间具有混沌行为 ,网络系统在学习和训练过程中能够跳出能量的局域极小达到全局极小或其近似 .本文基于EP进化算法建立一种自适应机制 ,使得网络能够根据学习和训练的结果优化非线性反馈项 .应用这种算法的神经网络对基于 Mackey-Glass方程和 Lorenz系统的时间序列进行在线预测 ,结果表明 ,网络具有很好的自适应预测性能    

2.  基于混沌神经网络模型的预测控制器的设计及应用  
   窦春霞《系统工程理论与实践》,2003年第23卷第8期
   根据具有混沌特性非线性、大时滞系统的时间序列重构相空间 ,计算相空间饱和嵌入维数 ,并以此为指导 ,建立混沌神经网络 ,即便在网络输入不完整或发生变异的情况下 ,该模型仍能对系统作高精度的短期预测 ;在此基础上 ,又设计了模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制 .将该控制器应用到单元机组负荷控制系统中 ,仿真表明了该控制的有效性、快速性和鲁棒性 .    

3.  基于混沌神经网络模型的模糊预测控制及应用  被引次数:6
   窦春霞《系统仿真学报》,2002年第14卷第10期
   由于混沌时间序列内部确定的规律性,其重构出混沌吸引子的相空间具有高精度短期预测性,为此,本文根据非线性,大时滞系统的时间序列及所得的Lyapunov指数规律,计算出系统的饱和嵌入维数和可预报尺度,并以此为指导,采用混沌神经网络重构混沌时间序列相空间,该混沌神经网络即便在网络输入不完整或发生变异的情况下,仍能对系统作高精度预测,在此基础上,又将预测模型与模糊控制相结合,提出了一种新型的模糊预测控制决策,实现了非线性,大时滞系统高精度的自适应控制,将该控制应用在单元机组负荷控制中,仿真表明该控制具有实时性,容错性和鲁棒性。    

4.  基于混沌-神经网络模型最优控制及应用  被引次数:4
   窦春霞《系统工程学报》,2004年第19卷第3期
   由于非线性混沌时间序列内部确定的规律性,其重构相空间具有高精度短期预测性.为此,为了实现非线性、大时滞系统的自适应控制,文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问,计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度,并以此为指导,建立神经网络预测模型对系统作高精度的短期预测;在此基础上,通过反馈校正,将校正误差和控制增量引入性能函数寻优得最优控制决策,实现了对非线性、大时滞系统高精度的自适应预测控制.将该控制决策应用在锅炉过热汽温控制中,仿真表明该控制的有效性、快速性和鲁棒性.    

5.  基于混沌预测的模糊神经网络控制器设计及应用  被引次数:2
   窦春霞  张淑清《系统工程与电子技术》,2003年第25卷第6期
   由于混沌时间序列内部确定的规律性 ,其重构出混沌吸引子的相空间具有高精度短期预测性。根据非线性、大时滞系统的时间序列重构相空间 ,计算相空间的最大Lyapunov指数、饱和嵌入维数和可预报尺度 ,并以此为指导 ,对系统作高精度预测。在此基础上 ,又设计了遗传算法优化的模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在锅炉过热汽温控制中 ,仿真表明该控制的有效性、准确性和鲁棒性。    

6.  基于混沌算法神经网络的高校师资预测  
   刘恒玲 李克平《淮北煤师院学报》,2003年第24卷第2期
   本提出一种基于混沌算法神经网络的师资预测模型,该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项,使得网络具有良好的函数近似能力,应用这种算法的神经网络对我国高等院校的师资需求进行预测,为我国有关高等院校的教育决策提供依据。    

7.  基于混沌算法神经网络的高校师资预测  
   刘恒玲  李克平《淮北煤炭师范学院学报(自然科学版)》,2003年第24卷第2期
   本文提出一种基于混沌算法神经网络的师资预测模型,该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项,使得网络具有良好的函数近似能力,应用这种算法的神经网络对我国高等院校的师资需求进行预测,为我国有关高等院校的教育决策提供依据.    

8.  混沌算法神经网络与含噪声时间序列的预测  被引次数:6
   李克平 陈天仑《南开大学学报》,2001年第34卷第3期
   在前馈神经网络连接权的动力学方程中引进一非线性反馈预后,网络在权空间具有混沌动力学行为:应用这种算法的神经网络对基于Mackey-Glass方程含噪声的时间序列进行在线预测,结果表明网络具有很好的预测性能。    

9.  基于混沌模糊神经网络方法的短期负荷预测  
   曾鸣  刘宝华  徐志勇  袁德《湖南大学学报(自然科学版)》,2008年第35卷第1期
   针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.    

10.  城市燃气负荷的混沌特性与预测  
   周伟国  张中秀  姚健《同济大学学报(自然科学版)》,2010年第38卷第10期
   采用混沌理论分析方法,对燃气负荷时间序列进行了相空间重构,通过计算关联维数和最大李亚普诺夫指数判定燃气负荷具有混沌的性质.在此基础上,分别采用基于混沌理论的加权一阶局域法、最大李亚普诺夫指数法和贝叶斯正则化神经网络模型对城市燃气日负荷进行了预测.实例预测结果表明,混沌时间序列分析方法可应用于燃气负荷预测研究,特别是结合了混沌理论、神经网络与贝叶斯正则化方法各自优点的神经网络模型取得了较好的预测效果.    

11.  电力系统短期负荷的混沌时间序列预测  
   钟瑜  张春涛  黄孝超  郭永慧《重庆三峡学院学报》,2011年第27卷第3期
   电力系统短期负荷预测在电力系统的调度和管理中起着重要的作用,已有研究证明了电力短期负荷是一非线性动力系统,负荷时间序列是混沌时间序列.文章讨论混沌时间序列的相空间重构技术,并以实际电网为例重构了该电力系统的相空间,最后采用Elman递归神经网络对负荷时间序列进行仿真预测,预测结果表明采用该方法能取得较好的预测效果.    

12.  基于隶属度函数的BP人工神经网络改进算法  
   徐雅斌  杜鹏《辽宁工程技术大学学报(自然科学版)》,2009年第28卷第5期
   为了实现基于BP人工神经网络的短期电力负荷预测,提出了一种基于隶属度函数的BP神经网络改进算法.算法是在学习率自适应调节算法的基础上,引入模糊数学中的隶属度函数的概念,根据不同的误差E,来确定不同的改变学习率的α和β,进而使BP神经网络的学习过程具有更好的自适应性,提高网络的学习速度.仿真试验结果表明,在预测精度不变的情况下,收敛性明显加快.由此证明.提出的基于隶属度函数的BP神经网络改进算法是快速和有效的,可用于短期电力负荷预测和各种类似的应用.    

13.  混沌RBF神经网络在电力负荷预测中的应用  
   毕洪波  张玉波《南京邮电大学学报(自然科学版)》,2009年第9卷第24期
   混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。    

14.  混沌RBF神经网络在电力负荷预测中的应用  
   毕洪波  张玉波《科学技术与工程》,2009年第9卷第24期
   混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.    

15.  基于自适应模糊神经元网络的电力短期负荷预测  被引次数:2
   甘文泉 王朝晖《西安交通大学学报》,1997年第31卷第9期
   利用模糊神经元网络(FNN)进行电力短期负荷预测.给出了模糊神经元网络结构和部分输入变量的模糊化.FNN采用LMS(Least-Mean-Square)算法,并用历史负荷数据进行训练.一经训练,网络就能应用于在线负荷预测.在预测过程中,权值按最近的负荷行为自适应调整.测试结果表明,该方法具有较好的精度和较快的速度.    

16.  基于免疫粒子群神经网络的短期预负荷测  
   郑广勇《科技信息》,2011年第33期
   针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,提出了基于径向基(RBF)神经网络的短期电力负荷预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.综合考虑气象、天气等影响负荷因素进行短期负荷预测.仿真试验表明,该方法同传统RBF神经网络相比,具有较高的预测精度,同时具有较强的实用性.    

17.  短期电力负荷预测的模糊神经网络方法  被引次数:1
   胡越黎  计慧杰《应用科学学报》,2009年第27卷第1期
   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,冈而弱化了神经嘲络对样本的依赖性,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.    

18.  基于BP神经网络的混沌时间序列预测方法及应用研究  
   霍晓宇  杨仕教  吴长振《南华大学学报(自然科学版)》,2012年第26卷第2期
   神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来表达.为解决这个问题,在非线性动力系统中,根据混沌理论重构相空间,通过最大Lyapunov指数判定时间序列是否存在混沌现象,存在则通过G-P算法计算出混沌吸引子的关联维数,进而获得相空间的嵌入维数作为神经网络的神经元个数.通过上述方法对铝现有价格进行建模,验证该方法对时间序列的短期预测有较好的精度,在此基础上,对未来一段时间铝价格进行预测.    

19.  暂态混沌动力学在神经网络优化计算中的应用  被引次数:5
   杨立江  陈天仑  黄五群《南开大学学报》,1999年第32卷第3期
   通过在神经网络状态空间演化方程中引入一个非线性反馈项,使神经网络系统的动力学表现出混沌特性。为将混沌动力学作为搜索机制应用于优化问题,又引入一个调节机制构成了暂态混沌神经网络模型。本文着重分析了暂态混沌神经网络动力学行为,并将其应用旅行推销员问题。实现了全局优化且有较快的收敛速度。    

20.  基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测  被引次数:1
   龚承柱  李兰兰  杨娟  诸克军《系统工程理论与实践》,2014年第11期
   城市燃气管网短期负荷预测对燃气调度系统的安全与稳定具有重要意义。为了提高城市燃气管网短期负荷预测精度,建立了基于经验模态分解(EMD)-相空间重构(PSR)-最小二乘支持向量机(LSSVM)的组合预测模型,首先,运用EMD算法把原始非线性时间序列分解为互不耦合的模态分量,并采用PSR算法确定LSSVM建模中各个分量的输入输出结构;其次,运用PSO算法对LSSVM建模中的参数进行优化,使用训练好的LSSVM模型对各个IMF分量进行回归预测;最后运用该组合模型对郑州市燃气管网负荷进行短期预测。结果表明:与LSSVM回归预测和BP神经网络预测模型相比,本文提出的组合模型的预测精度更高,是一种更为有效的城市燃气管网短期负荷预测方法。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号