基于BP神经网络的输电线路覆冰增长模型研究

分析了现有输电线路覆冰增长模型在预测中的不足以及神经网络对非线性映射变量表达的优越性,提出了一种基于Levenberg-Marquardt学习算法的BP神经网络的覆冰增长预测模型。通过实验获取的覆冰增长数据样本训练BP网络,利用收敛的网络进行输电线路覆冰增长的预测,仿真实验误差1mm以下的有7组数据,远高于对比模型makkonoe模型的3组,验证了模型有效性,对输电线路的覆冰研究和预防有重要意义。     

基于AHP的可听噪声影响因素权值分析

影响超高压输电线路可听噪声的因素众多,对影响可听噪声的因素进行合理分析,确定其对可听噪声影响的权重是进行可听噪声预测和合理有效降低可听噪声的前提.运用层次分析法(Analytic Hierarchy Process AHP)对影响可听噪声的主要因素进行了加权分析,以定量的形式确定影响因素的相对重要度.结果表明,应用层次分析法确定的可听噪声影响因素权重符合实际,准确性较高,为可听噪声选择主要影响因素用于预测及有效降低可听噪声提供参考依据.     

基于电子鼻技术的茶叶贮藏时间检测方法

主要探索茶叶贮藏时间的检测方法.以黄山毛峰茶为研究对象,利用电子鼻对7个不同贮藏时间下的干茶叶进行检测.根据电子鼻传感器阵列响应特点选取了特征变量,以特征变量为自变量,以茶叶贮藏时间为因变量,建立了茶叶贮藏时间的BP神经网络预测模型.通过测试样本对模型进行实验分析,结果表明:该模型对于7个不同贮藏时间茶叶样本最大预测误差为42.1天;预测误差超过10天的最大样本数为5个,占总样本数的7.14%.验证了所建立的茶叶贮藏时间BP神经网络预测模型的可行性.     

UHVDC输电线路可听噪声的探析

介绍UHVDC输电线路可听噪声产生的原因及特性,不同的气候条件、分裂导线数、分裂间距、导线截面积、海拔等对可听噪声的影响,可听噪声的计算方法.对投运后的±800 kV复奉UHVDC输电线路现场可听噪声进行分析,提出相应的防范建议,为今后UHVDC输电线路设计、运维提供现场运行资料.     

基于遗传BP神经网络的三七价格预测

为提高三七药材价格的短期预测准确性,利用遗传算法的全局搜索能力对BP神经网络的初始权值和阈值进行优化,建立了基于BP神经网络的三七药材价格预测模型.采用连续K月三七价格的滚动预测方式,对下一个月进行预测.通过三七价格时间序列自回归分析确定K值为2,以连续2个月的三七价格作为BP的输入变量,预测其后一个月的三七价格,并对三七价格的BP神经网络模型和传统时间序列预测模型ARIMA进行分析比较.实验结果表明:遗传算法优化的BP神经网络具有更高的预测精度,且比ARIMA模型对价格骤变情况更敏感.     

基于GA-BP神经网络算法的马铃薯晚疫病预测模型

应用基于遗传算法的BP神经网络构建马铃薯晚疫病预测模型,对原始样本进行归一化处理,应用遗传算法优化BP神经网络的结构、初始权值、阀值,通过BP神经网络训练构建马铃薯晚疫病预测模型,利用遗传算法来改善BP神经网络算法本身的缺陷,提高学习精度,预测准确度.仿真结果表明,GA-BP神经网络模型预测准确度较高,误差率较低,稳定性较好.实践证明,将GA-BP神经网络算法应用于马铃薯晚疫病预测模型中是可行的,能够实现晚疫病流行程度的快速预测.     

神经网络在输电线覆冰增长因素中的应用

在分析影响输电线覆冰增长因素的基础上,利用数据挖掘中的BP (Back Propagation)神经网络方法,建立导线覆冰增长的BP神经网络模型.利用此模型研究不同因素对输电线覆冰增长的影响,将采集的数据样本训练BP神经网络,利用收敛的网络进行输电导线覆冰增长的预测,研究结果对输电线路的覆冰预防具有较好的参考价值.     

基于有限元-BP神经网络的地下连续墙变形预测

基于目前在基坑支护结构中应用广泛的变形预测方法,有限元法和BP神经网络,结合基坑工程特点,提出将有限元模型与BP神经网络相结合的基坑变形预测方法.以某实际建筑基坑为研究对象,利用有限元软件进行近似建模,使用MATLAB软件实现有限元模型与BP神经网络模型相结合的预测模型,对基坑地下连续墙水平位移值进行预测对比.结果表明,有限元-BP神经网络预测模型预测值与实测值最为吻合,预测精度优于单一的有限元或BP神经网络预测模型.     

基于GA-BP神经网络的金精矿品位的预测

在对金矿生产过程进行大量实际调研工作的基础上,分别采用BP神经网络和遗传算法优化BP神经网络的方法,建立了金精矿品位的预测模型,以现场采集的978组数据作为样本,运用噪声平滑技术进行数据预处理,筛选了770组数据,运用其中的650组数据建模,并运用其余的120组数据对模型进行了验证.通过对两个模型的预测误差分析,得出用遗传算法优化的BP神经网络(GA-BP)预测精度更高,当预测相对误差在±2%范围内时,模型的预测精度达到97.5%.     

交直流特高压线路无线电干扰和可听噪声产生机理及本征特性研究2013年度报告

交、直流特高压输电线路导线电晕放电会产生较强的无线电干扰和可听噪声问题,这已成为交直流输电线路设计和运行中的决定因素之一。基于电磁场理论、气体放电理论、电声学理论,该研究电晕放电产生无线电干扰和可听噪声的机理,进而建立交、直流特高压输电线路电晕放电与无线电干扰和可听噪声的关联特性,最终获得交、直流特高压线路无线电干扰和可听噪声的特性及计算方法。目前已经取得了部分研究成果,初步完成了2013年度预期目标,主要成果包括:(1)基于单点放电、尖板放电、脉冲放电、导线放电等实验模型,初步获得了电晕电流的时域和频域统计特性,开展了电晕电流的传播模型研究,提出了电晕放电初始电流波形的确定方法和无线电干扰的时域建模方法;(2)基于电晕放电可听噪声的近距离测试方法及时域测试技术,获得了单点电晕放电产生的可听噪声的时域波形,分析了声场的传播特性,初步获得了单点放电可听噪声时域波形与电晕放电初始电流时间波形的关联特征;(3)基于电晕放电模型,提出了电晕放电空间电荷运动的数值模拟方法,建立了电晕电流微观分析模型;(4)基于直流特高压电晕笼的大量试验,获得了正、负极性直流导线的可听噪声频谱规律,提出了采用8 k Hz分量法预测可听噪声A声级的方法;(5)研究了特高压直流长试验线路与短试验线段无线电干扰和可听噪声的转换关系,提出了利用短试验线段测量数据估计输电线路无线电干扰和可听噪声的方法;(6)对交流特高压试验示范工程输电线路的无线电干扰进行了长期监测,获得了冬季和夏季无线电干扰的统计特性,通过统计分析,初步获得了特高压交流线路无线电干扰、可听噪声的经验公式。2013年度的研究成果,对后续可听噪声产生机理的研究及可听噪声的预测方法的研究奠定了较好的实验基础,为后续无线电干扰特性及产生机理研究奠定了理论和实验基础。     

高压交流输电线路电晕可听噪声机理及理论模型

为预估高压交流输电导线产生的电晕可听噪声,研究了电晕可听噪声的产生机理及其理论预估模型.高压交流输电线电晕产生正负离子,基于Drude模型研究了正负离子的运动规律,进而阐明了电晕可听噪声的产生机理.在此基础上,进一步运用Kirchhoff公式得出电晕可听噪声的理论预估模型,并针对特定导线布置形式计算了典型的二倍工频分量的声压及声场分布.数值计算结果表明,可听噪声中的二倍工频分量衰减缓慢,且在导线附近区域存在显著的干涉现象,计算的结果会随着离子浓度的变化而变化,但声压级分布曲线的形状不会变化.该模型适合于电晕可听噪声的计算,有助于指导输电线设计.     

基于神经网络的泡沫混凝土强度及导热性能预测

基于神经网络原理,建立预测泡沫混凝土性能的BP神经网络模型,期望通过输入配合比主要参数,得到泡沫混凝土强度及导热性能的预测结果。将实验数据分为训练组和对照组,对训练组进行非线性拟合,若拟合结果满足误差精度则模型建立完毕;通过拟合结果与对照组的比较,可验证模型预测精度。结果表明,BP神经网络模型能够准确拟合实验数据,利用其泛化能力进行预测的结果与对照组的误差小于8%,该模型具有很高的预测精度。     

基于BP神经网络的隧道下穿既有运营地铁线注浆施工参数预测——以广州地铁18号线隧道注浆工程为例

新建隧道下穿既有运营地铁线施工过程中极易对既有运营地铁线产生不利影响，而广泛采用的超前预注浆尚处于以经验性选取注浆施工参数的阶段，导致工程事故频发。为此，首先以开挖段地层物性参数、地层位移变化值作为输入层，注浆施工参数为输出层，构建了基于BP(back propagation)神经网络的注浆施工参数预测模型；其次，以MAPE(mean absolute percentage error)作为预测精度评价指标，采取试算法对BP神经模型参数(隐含层节点数目、学习率)进行了探讨；最后，将提出的BP神经网络用于指导工程实践。研究结果表明：当BP神经网络预测模型隐含层节点数为9、学习率为0.01、训练次数为20 000以及精度目标值为1×10^-4时，模型适用性评价显示预测值与监测值之间最大相对误差为19,平均相对误差均低于13,说明提出的BP神经网络预测模型可行；进一步的工程应用结果表明：采用预测的注浆施工参数进行注浆后掌子面稳定、开挖过程中未发生隧道塌方等事故，满足相关规范要求。研究成果也可在隧道下穿其他结构或建筑物灾害防控注浆工程中得到推广应用。     

基于ABC-BP神经网络的地铁盾构地表沉降预测

为研究地层参数和盾构掘进参数与地表沉降的非线性关联性,依托南京地铁6号线盾构区间,采用人工蜂群算法ABC优化BP神经网络,建立可预测地表沉降的ABC-BP神经网络模型。连续3个断面地表沉降预测结果表明:ABC-BP神经网络的预测精度和预测稳定性优于BP神经网络,且预测值与实测值一致；ABC-BP神经网络可较为准确地反映盾构机接近监测断面过程中的地表变形演变规律,最终实现地表变形控制的目的。提出了ABC-BP神经网络现场应用思路,构建了地层-掘进参数-沉降的关系,进而通过地层参数直接实现对盾构掘进参数和地表变形控制。     

基于主成分分析-BP神经网络的风电备件需求预测

风电机组具有结构复杂,运维困难,且长期处于恶劣的工作环境的特点。风电备件的需求预测有助于为风电场配备最合适的备件数,以确保风电场的平稳、高效运行。本文以某企业近五年的齿轮需求数据为例,应用主成分分析(PCA)降低几个影响因素的维度,得到复合变量,然后应用BP神经网络算法,构建预测模型;比较ARIMA模型、BP神经网络预测和PCA-BP神经网络预测的结果。表明：主成分分析法(PCA)能显著降低神经网络预测误差,预测的精度为93.94%,高于BP神经网络预测的88.39%和ARIMA模型的85.31%,所以PCA-BP神经网络模型的预测精度准确且有可靠结果,能够适用风机备件的需求预测。     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

BP神经网络在连续梁桥施工监控中的应用

为了实现大跨度连续梁桥施工过程中立模标高快速、准确地确定,基于BP神经网络能逼近任意的函数与自适应算法结合的特点,将其运用到连续梁桥施工控制的标高预测中.通过有限元软件建立桥梁模型,结合参数的影响的分析,运用BP神经网络原理,根据实测值与理论值的对比分析结果来确定挠度预测的输入向量和目标向量,建立大桥高程偏差的神经网络模型.利用MATLAB程序的神经网络模型,完成对样本矢量的输入及对桥梁施工控制的网络训练,预测出下一阶段的标高值,以此反复进行,有利于立模标高更快更精确的确定,最终使桥梁的线形和设计线形达到很好的吻合.     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于神经网络算法的公路货运量预测方法

以陕西省为例,运用灰色关联分析法确定公路货运量的影响因素分别为地区生产总值、第一产业增加值、第二产业增加值、工业增加值、人均地区生产总值、全社会固定资产投资和社会消费品零售总额.将所确定的因素作为公路货运量的预测指标,建立基于BP神经网络的公路货运量预测模型,并对模型进行应用测试.结果表明:该模型具有较高的精度,最大误差为5.3%,可以提高公路货运量预测的准确度,为我国公路货运量的预测研究提供方法支撑.