人工神经网络和模糊理论在短期负荷预测中应用

对于电力系统负荷预测的复杂性,为提高短期预测的准确性,采用以人工神经网络为基础,提出了一种利用神经网络与模糊理论相结合进行负荷预测的模型.该算法克服了传统BP算法的训练速度慢、存在局部极小点的缺点,使预测精度大有改善.实例计算表明了该算法的改进成果和可行性.     

人工神经网络在大气SO_2预测和预警中的应用

阐述了运用人工神经网络的多层神经网络对大气SO2的实测值及其相关气象因子进行训练学习,建立大气SO2与气象因子的相关模型,用此模型对SO2进行短期预测预警,这将对大气环境质量预测预警具有重要的实际意义。     

短期气候数值预测的进展和前景

评述了目前短期气候数值预测方面存在的缺陷,提出需要解决的4个挑战性的问题。认为在短期气候数值预测领域应结合我国学者已有的科研成果和经验,在计算条件相对落后的情况下,走一条具有我国特色的创新之路,而这可能是解决短期气候数值预测目前所存在的缺陷的一条行之有效的途径。     

人工神经网络及其在油气勘探开发中的应用

人工神经网络理论的诞生及发展给石油科学的方法研究注入了新生力量。该方法能应用于同气勘探及开发的各个阶段,在储层横向预测及地震资料的处理和解释等方面提供了有力的工具。神经网络方法在石油科学中的应用研究,具有重要的和现实意义。     

基于退火期望最大化算法的电力系统负荷预测

对于电力系统负荷预测中的不确定性,使用EM算法训练全局收敛的特点,并在EM算法的基础上提出了一种训练随机多层前馈网络的A-EM算法.该算法利借鉴退火过程,引入温度参数,减小了初始参数对最终结果的影响来对负荷进行预测,定例计算表明,该模型具有良好的精确性和应用性.     

基于退火期望最大化算法的电力系统负荷预测

对于电力系统负荷预测中的不确定性,使用EM算法训练全局收敛的特点,并在EM算法的基础上提出了一种训练随机多层前馈网络的A—EM算法。该算法利借鉴退火过程,引入温度参数,减小了初始参数对最终结果的影响来对负荷进行预测,定例计算表明,该模型具有良好的精确性和应用性。     

提高太原南郊电网日负荷预测准确率

对南郊电网负荷特性进行深入剖析,找出影响负荷预测准确率的因素,并提出提高负荷预测准确率的措施.     

人工神经网络在全球气候变化和生态学中的应用研究

近年来, 随着计算机技术和人工智能的发展, 人工神经网络(ANN)的应用领域不断被开拓. 同时, 人们对全球气候变化和生态环境问题也日益关注, 如全球变暖、El Niño和La Niña出现频繁、大气环流异常等, 使得人工神经网络方法在全球气候变化和生态学研究中得到了广泛的应用. 虽然人工神经网络仍存在一些不足和风险, 如模型的参数要求更高的灵敏度、网络结构的选择一般更依赖于个人经验和神经网络对短期的预测研究精确度往往高于中长期预测, 但全球变化研究中尤其要重视交互作用的影响和长期实验等. 不过, 神经网络在处理非线性问题上仍然优于许多传统的方法. 因此, 在全球气候变化和生态学研究中人工神经网络具有很大的应用潜力, 它能在实测过程可能十分困难或者使用不完整的数据难以实现的情况下, 完成其他方法完成不了的问题. 可以预料人工神经网络将在全球气候变化和生态学研究中得到更多的应用和发展.     

神经网络在蛋白质二级结构预测中的应用

本简要介绍了蛋白质二级结构预测的研究意义，简要地叙述了BP网络的原理，并且对于近年来用神经网络方法在蛋白质二级结构预测中的主要工作进展做了较为详细的评述。最后，介绍了人工神经网络在生物信息学中的应用前景。     

供应链绩效的模糊综合评价与Markov预测

有效的供应链管理绩效评价是实现供应链优化的基础,文章结合SCOR模型从供应链运营成本、响应能力、柔性、可靠性、企业的运营绩效5个方面构建了供应链绩效评价体系,并采用模糊综合评估方法计算出供应链在各个时期的绩效评价结果,结合Markov预测理论的决策支持功能,给出了动态供应链未来的绩效评价结果及发展趋势.     

电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响。应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能。     

电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响.应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能.     

ANN在地基沉降预测中的运用

地基沉降与其各指标间具有非线性的特征,而神经网络具有很强的处理非线性能力,本文通过采集样本,将样本分成两部分,一部分用于网络训练,与部分用于检测,结果表明,训练结果与检测结果一致。     

ANN在地基沉降预测中的运用

地基沉降与其各指标间具有非线性的特征,而神经网络具有很强的处理非线性能力,本文通过采集样本,将样本分成两部分,一部分用于网络训练,与部分用于检测,结果表明.训练结果与检测结果一致.     

右玉高家堡风电场功率预测系统开发与应用

风力发电已进入规模化的发展阶段,但是由于风电固有的间歇性和波动性,大规模并网风电场会使电力系统的安全、稳定运行以及电能质量的保障受到严峻考验.因此,针对风电场接入,国家能源局和国家电网公司等都颁布了相关的技术标准和要求,风电场功率预测系统是接入的要求之一.为满足接入要求并提高风电场运行的管理水平,结合右玉高家堡风电场的实际情况,开发功率预测系统实现了风电功率的超短期和短期预测.实际运行结果表明,该风电场功率预测系统预测准确,可以根据风电功率预测合理安排风电场维修维护,有效降低整体运营成本,同时满足了电网要求,为电网的调度、调峰和安全控制提供了技术支撑.     

突水预报神经网络系统在煤矿防治水方面的应用

在深入分析各个煤矿突水原因基础上,收集大量资料,将人工神经网络技术用于矿井突水预报,建立起矿井突水与各种影响因素之间的映射关系,进而用于矿井突水预报,对预防工作面突水,保证矿井安全生产及其重要,对有采空区积水威胁的煤矿开采及设计具有指导意义。     

马尔科夫预测法在股市预测中的应用

根据深圳市上市公司深圳发展银行的股票历史收盘价格数据,运用马尔科夫预测法对其短期价格走势进行预测,并对预测结果作了分析。     

复杂光谱定量分析的人工神经网络方法——用傅里叶变换近红外漫反射光谱直接预测谷物样品中蛋白质的含量

自从1962年,美国Norris等人发表第一篇近红外光谱分析应用文章以来,近红外光谱技术在许多领域得到越来越广泛的应用。近红外漫反射光谱(NIRDRS)用作农作物品质分析因其简便、快速、无化学污染等优点而受到重视。已有的光谱定量分析方法,如多元线性回归(MLR)、主成分分析(PCA)、偏最小二乘(PLS)、卡尔曼滤波(KF)等,都是假定样品吸光度A与浓度C呈线性关系,但实际上由于仪器的或物理、化学的原因,A与C只是一种近似的线性关系。文献[2]从理论上推导了近红外漫     

模糊聚类理论发展及应用的研究进展

从模糊聚类准则函数的演化、算法实现的途径、有效性度量方式以及在模式识别与图像处理中的应用等４个方面对模糊聚类理论的研究进展做了综述和评价,指出模糊聚类进步研究的几个重要方向及其应用前景。     

关联理论在寓言翻译中的应用和启示

文章将关联理论应用于寓言的翻译,运用其动态的语境观和关联原则指引译者走出寓言翻译的困境。文章基于汉语寓言的特点,以关联理论为指导,对汉语寓言翻译这一研究领域尝试性地提出了独到的见解。