相空间重构和混沌遗传神经网络融合的矿井涌水量预测研究

为了更准确预测矿井涌水量变化,有效防治矿山水害,本文提出利用相空间重构和混沌遗传神经网络相结合的方法预测矿井涌水量。选用C-C算法确定嵌入维数和延迟时间,通过对时间序列进行相空间重构来判断涌水量时间序列的混沌特性。为避免BP神经网络极易陷入局部解的问题,采用遗传算法对混沌神经网络进行参数优化,构建混沌遗传神经网络预测模型。将构建的模型应用于某矿山-100 m水平巷道涌水量的预测,在理论预测时长内预测最大误差为3.38%,表明该方法能够反映短期内矿井涌水量变化的趋势,相比单纯的混沌BP神经网络预测模型,预测精度有所提高,可为矿山企业的灾害防治提供科学的参考依据。     

顾及大坝位移残差序列混沌效应的GA-BP预测模型

针对大坝观测数据常规模型训练后的残差混沌效应及模型回归方法的拟合度等问题,文中融合遗传算法与神经网络的数据训练优势,通过构建的遗传神经网络(GA-BP)算法对大坝变形观测序列资料进行回归提取残差序列.基于位移回归残差序列的混沌特性,利用混沌理论对其残差序列进行数值分析,并将残差预测结果与GA-BP预测模型进行叠加.据此,提出了考虑大坝变形残差序列混沌效应的GA-BP监控预测模型.实例表明,文中建立的预测模型的计算精度及收敛速度均得到提高,且考虑残差影响的大坝监控模型的预测效果得到了有效的提升.该模型的建模方法亦可推广应用于边坡及其他水工建筑物的安全预警.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

改进的模糊神经网络算法在车型识别中的应用

FBP和FCNN网络是模式识别中应用最为广泛的两种神经网络，本文将这两种网络应用于车型识别，分别建立了车型识别模型。利用混沌对初值的极端敏感依赖提出了FCNN网络算法，通过对车型图像数据库进行仿真实验，对比分析它们各自的识别率和泛化能力等性能指标，证明了FCNN网络算法的有效性。     

基于相空间重构和Volterra的非线性寒区气温预测方法

对寒区冬季气温时间序列的混沌特性及其应用技术进行了研究.先通过0-1混沌测试法确定寒区冬季气温时间序列具有混沌特性,然后通过相空间重构,分别利用C-C算法和G-P算法确定延迟时间和嵌入维数.在此基础上,提出了一种相空间重构和Volterra滤波的寒区冬季气温预测方法.实例分析表明,提出的预测方法在预测精度、预测误差、预测效果方面均优于常见模型,证明该预测方法是可行和有效的.     

基于ARIMA-RBF算法的月度降雨量预测研究

为了对月度降雨量进行科学预测,将ARIMA模型与RBF神经网络相结合,提出一种基于ARIMA-RBF耦合算法的月度降雨量预测模型。首先,利用ARIMA模型对月度降雨量线性部分进行拟合预测,计算ARIMA模型预测的残差;然后,利用RBF神经网络对ARIMA模型残差进行拟合预测;最后,利用RBF神经网络预测结果对ARIMA模型进行补偿修正,得到最终降雨量预测结果。将该方法用于重庆市沙坪坝月度降雨量实际预测中,预测结果精度高于单一ARIMA模型以及RBF神经网络,能够满足实际预测需求。结果表明:将线性拟合算法和非线性拟合算法结合起来用于月度降雨量预测是一种较为优越的算法。     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题，考虑了风电场复杂的噪声背景和风电功率的波动性，提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基，通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理，再通过小波逆变换重构历史时序风电功率，由BP神经网络对其进行训练，预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比，比较结果证明其预测精度优于后者，具有很好鲁棒性和降噪性能，适用噪声复杂的风电场超短期风电功率在赣预测．     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

医用血管支架非线性扩张过程快速预测方法的研究

建立了血管支架变形影响因子与其变形结果之间的具有高度非线性识别能力的神经网络模型，通过引入学习因子η和动量因子ψ,采用附加动量项的权值修正方法，优化了网络训练算法，从而提高了网络训练速度和系统鲁棒性．结合实例对网络进行训练，并对预测误差进行了统计假设检验，检验结果表明血管支架变形神经网络智能预测结果与非线性有限元分析结果误差均值低于0．03％，训练后的网络能够较好地对血管支架变形进行预测．在此基础上，基于Pro／Toolkit工具，融合血管支架扩张变形神经网络智能预测模型，建立了血管支架力学性能快速评价工具，该系统实用性强、效率高，能大幅缩短血管支架产品开发周期     

基于L—M算法的EVT1传播预测模型

本文基于神经网络L—M优化算法，提出一种对EV71病毒的有效预测模型，利用matlab进行仿真模拟，结果和阜阳病毒感染情况非常符合。神经网络L—M优化算法克服了神经网络BP算法收敛速度慢的缺点，同时通过学习训练，本模型的神经系统具有有效性和通用性的特点。     

基于一元线性回归由风速传感器测量值推导巷道平均风速

通过试验数据建立了风速传感器的测量值与平均风速之间的一元线性回归方程，并对拟合效果进行了评价。对参数的判断表明该方程是有效的，可以近似地把风速传感器的测量值转换成平均风速值，并在相同的巷道长度、相同的风流速度、不同断面下用Comsol模拟了风速流场分布情况。     

Wind power prediction based on wind speed forecast using hidden Markov model

This study examines a new approach for short-term wind speed and power forecasting based on the mixture of Gaussian hidden Markov models (MoG-HMMs). The proposed approach focuses on the characteristics of wind speed and power in the consecutive hours of previous days. The proposed method is carried out in two steps. In the first step, for the hourly prediction of wind speed, several wind speed features are employed in MoG-HMM, and in the second step, the results obtained from the first step along with their characteristics and wind power features are used to predict wind power estimation. To increase the prediction accuracy, the data used in each step are classified, and then for each class, one HMM with its specific parameters is used. The performance of the proposed approach is examined using real NREL data. The results show that the proposed method is more precise than other examined methods.     

基于WAsP的不同风资源下风力机的选择

提出了一种确定适合于不同地区的风力机的方法。首先利用WAsP软件对当地风能资源评估，分析计算得到风谱图，建立模拟风力机站；然后拟合4种类型的400W风力机的输出功率特性曲线；最后计算不同风力机在不同地区风资源下的单位面积月发电量及其变动率。在保证满足供电负荷的条件下，单位面积月发电量的变动率最小的风力机确定为该地区风力机。     

风力发电冷却技术

随着风力发电机单机容量的逐步增大，发电机内各部件的散热量也将大大增加，如何有效解决发电机的温升瓶颈，已成为风力发电机进一步发展的关键问题之一。本文首先对风力发电的原理与结构进行了综述，分析了风力发电机运行过程中热量产生的部件和原因，介绍了目前风力发电机组所采用的冷却技术，并在此基础上对下一代大功率风力发电机冷却技术进行了展望。     

基于异步感应发电机的风电场中桨距角控制研究

为了研究基于异步感应发电机的风电场对电力系统稳定性的影响,建立了异步感应电机发电机小信号模型;并通过对异步感应电机状态方程的线性化,分析异步感应发电机对电力系统小干扰稳定性及阻尼特性的影响；提出了改进的桨距角控制系统；并将发电机转速偏差信号引入桨距角控制系统.通过对系统进行特征根分析和时域仿真来验证其有效性.结果表明,改进的桨距角控制环节能够改善系统阻尼、提高系统动态稳定性.     

基于Origin的风机风量测试数据处理研究

根据金川二矿主风机风量测试过程中遇到的风量测点不足、不能反映风机实际风量的问题,运用一元流体运动模型和流体在管道中速度分布规律的相关理论知识,结合Origin软件的曲线拟合功能,拟合出风硐内风速分布规律曲线,进而求出风硐风速及风机风量.经过工业验证符合实际在误差要求范围之内,具有工业应用价值,为风机风量测试提供了一种新...     

台风形成库区降雨的影响因子挖掘

考虑影响台风降雨因素的复杂性以及现有水库台风遥测资料的不完备性,采用基于信息熵与条件信息熵建立起来的不完备信息系统的约简方法,对台风形成库区降雨的影响因子进行挖掘.以典型水库中的台风特性参数及库区降雨实时监测信息为依据,忽略环境因素影响,重点研究包括台风风速、风力、7级/10级风圈半径、中心气压、台风中心与库区距离等典型台风特性因子对库区降雨量的影响,经信息约简认为台风风速、中心气压、与库区距离等台风特性因子是库区降雨的主要影响因子.分析结果对水库台风监测及库区降雨强度分析具有一定指导作用.     

风能技术发展中的几个问题

改善能源结构，利用可再生能源，减轻环境污染，提高人民生活质量，已成了全球能源工业关注的一个热点，风能是目前最有开发利用前景和技术最成熟的一种新能源和可再生能源之一。随着风能开发和利用的发展，风能技术也取得了显著的进步，并逐渐成为能源技术中的一个分支。本文简要介绍当前风能技术发展中的几个关注的问题。     

Probabilistic Forecasts of Wind Power Generation by Stochastic Differential Equation Models

The increasing penetration of wind power has resulted in larger shares of volatile sources of supply in power systems worldwide. In order to operate such systems efficiently, methods for reliable probabilistic forecasts of future wind power production are essential. It is well known that the conditional density of wind power production is highly dependent on the level of predicted wind power and prediction horizon. This paper describes a new approach for wind power forecasting based on logistic‐type stochastic differential equations (SDEs). The SDE formulation allows us to calculate both state‐dependent conditional uncertainties as well as correlation structures. Model estimation is performed by maximizing the likelihood of a multidimensional random vector while accounting for the correlation structure defined by the SDE formulation. We use non‐parametric modelling to explore conditional correlation structures, and skewness of the predictive distributions as a function of explanatory variables. Copyright © 2015 John Wiley & Sons, Ltd.