基于径向基神经网络回归预测的船舶轴频电场实时检测方法

针对交变电磁信号在海洋环境中衰减较快的特点,在分析船舶轴频电场以及海洋环境电场噪声与测量电路自噪声的基础上,提出了一种能够在低信噪比下检测船舶轴频电场的方法.对信号进行小波分解并在轴频段进行重构,以噪声数据作为训练集训练RBF神经网络建立预测模型,以预测的误差作为检验统计量,达到提高信噪比的目的.再对该统计量做滑动功率谱检测,与得到的浮动阈值做比较来判断目标是否存在.将该方法用于实测船舶轴频电场的检测,取得了较好的效果,与其它目标检测算法比较,该方法在计算时间和检测能力方面具有明显优势.     

船舶腐蚀相关的轴频电场特征

通过测量和分析船舶缩比模型轴频电场信号,研究了与船舶腐蚀相关的轴频电场特征.实验结果表明,船模轴频电场是由于螺旋桨转动调制腐蚀电流和阴极保护电流而产生的,是以螺旋桨转动速率为基频的低频电场.轴频电场随着螺旋桨转速逐渐增大,信号特征越来越明显,幅值越来越大.调制阴极保护电流而产生的轴频电场最大的幅值比调制腐蚀电流所产生的电场大10倍之多.船模轴频电场三分量除在幅值上有很大差异外,功率谱密度强度也有显著差异.其中x分量轴频电场最大,y分量轴频电场次之,z分量轴频电场最小.     

船舶缩比模型轴频电场的传播特征

为研究船舶轴频电场的传播特征,采用信号测量系统,测量和分析了船舶缩比模型轴频电场信号.轴频电场沿船方向传播的测试结果表明,轴频电场的空间分布具有区域性:当测量点从螺旋桨附近移至船尾时,x分量轴频电场信号由较弱逐渐增强至最大幅值,y分量和z分量轴频电场幅值则急剧降低.测量点由船体向外移动时,x分量轴频电场幅值迅速衰减;测量点移至船长倍数的0.33处时,衰减变得缓慢;测量点继续移至船长倍数的1.65处时,轴频电场特征信号不明显.     

基于小波尺度相关的船舶轴频电场检测方法

为了提高低信噪比下对海水中被衰减的轴频电场信号的检测能力,提出一种基于小波尺度相关的船舶轴频电场检测算法.首先,使用小波变换对信号进行分解,并对噪声能量进行估计;然后,利用小波尺度相关对噪声和信号进行分离,并采用均值滤波降低小波系数平移的干扰;最后,提取最大尺度的相关系数作为特征值,对信号进行滑动检测.通过该算法和小波熵算法对实测数据和仿真数据进行处理和对比分析,结果表明:此算法在低信噪比情况下具有更高的稳定性和更好的检测效果.     

基于小波包熵的船舶轴频电场信号检测

为了有效地从海洋环境电场背景中检测微弱的船舶轴频电场信号,提出了一种基于小波包熵的船舶轴频电场信号检测算法.首先使用小波包变换对测量信号进行多层分解并计算最后一层各结点的重构信号;然后计算各结点重构信号的小波包熵;最后选取小波包熵最小的重构信号作为检测信号进行滑动功率谱检测.通过实测数据和仿真数据对该算法和滑动功率谱算...     

基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。     

基于小波空域相关的船舶轴频电场检测方法

为了提高对船舶水下轴频电场的远程探测能力,在充分分析实验室轴频电场信号的基础上,提出了一种基于小波空域相关的船舶轴频电场检测方法.首先使用小波空域相关对噪声和信号进行分离,并给出一种针对轴频电场的噪声阈值估计方法;然后,提取信号特征频率范围内的能量作为特征值,对信号进行滑动功率谱检测.对比分析结果表明,该算法在低信噪比情况下具有更高的稳定性和更好的检测效果.

     

基于小波包熵的船舶轴频电场信号消噪研究

在海洋环境下,为有效地将微弱的轴频电场信号提取出来,本文在对小波包熵理论分析的基础上,提出了基于小波包熵的船舶轴频电场信号消噪方法.首先使用小波包变换对测量信号进行多子带分解,并将各子带分成几个子区间;然后计算各子带不同子区间的小波包熵,利用最大小波包熵自适应地选择各子带的阈值;最后对各子带的小波包系数进行阈值处理,并利用处理后的小波包系数对信号进行重构.通过实测数据和仿真数据对该消噪方法进行验证,结果表明此方法在低信噪比情况下能较好地将微弱的轴频电场信号从环境背景噪声中分离出来.     

浅海中利用舰船轴频电场定位技术研究

舰船的电场是不可忽视的目标特征,本文提出浅海中利用舰船轴频电场定位方法,在海水中布置3个电场传感器,运用所提出的反演定位方法和GAPSO混合算法,就能确定目标在海水中的位置。仿真结果表明,该方法能够实现对目标精确定位。     

基于神经网络建模的预测控制

预测控制具有多步预测，滚动优化和在线自适应校正等优点，文中提出了用神经网络方法建立预测模型，将其应用到了润滑溶剂脱过程并取得了有效的仿真结果。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

RBF神经网络在安徽省固定资产投资总额预测中的应用

利用先进的径向基函数(RBF)神经网络,对安徽省固定资产投资进行了实证预测研究.结果表明,利用RBF网络建立的固定资产投资预测模型经过训练后,可得到较精确的预测结果,并具有较强的适应性.     

基于RBF神经网络的城市快速路短时交通流预测研究

为检验灰色模型及径向神经网络模型用于短时交通流预测的可行性及适用性,本文分析和比较了灰色模型GM（1,1）和RBF径向神经网络模型对短时交通流的预测效果。仿真实例表明,灰色模型不适合用于短时交通流预测,而径向神经网络能够准确预测短期交通流的未来变化趋势,当径向基函数的分布密度值在0.8~1.0之间时能够取得较高的预测精度。     

基于RBF神经网络的粮食生产预测研究

提高中国粮食生产量的预测精度与效率是人们关注的一个重要问题.对RBF神经网络的结构、特性和训练算法作了简要的概述.根据粮食产量与其影响因素之间存在的映射关系,应用RBF神经网络建立了多因素非线性时间序列预测模型,并进行了仿真试验.结果表明,用RBF神经网络进行粮食生产预测得到了十分满意的结果.     

基于增广RBF神经网络的混沌系统辨识

混沌系统的建模与辨识是混沌控制的基础。提出一种动态线性子系统与ＲＢＦ神经网络并联的增广ＲＢＦ神经网络模型,该模型不仅对动态非线性系统具有良好的逼近能力,而且网络学习速度很快。对Ｈｅｎｏｎ系统时间序列的仿真预测结果表明,增广ＲＢＦ网络能有效地用于混沌系统辨识。     

基于RBF神经网络的水闸垂直位移时间序列预测模型

水闸垂直位移是水闸安全的重要特征之一.针对传统水闸垂直位移预测模型的不足,提出了基于RBF神经网络的时间序列预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高学习速度,使得预测精度大大提高.利用Matlab的RBF神经网络工具箱建立了垂直位移时间序列预测模型,并应用于实际工程中,取得了较高的拟合预报精度.     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。     

基于RBF网络的金融时间序列预测

RBF网络是一种新颖有效的前向型神经网络,它通过非线性基函数的线性组合实现从输入空间RN到输出空间RM的非线性转换,特别适合于非线性时间序列如股票市场等金融系统的预测.本文以中集集团的实际收盘价作为预测对象,提出基于RBF网络的个股价格预测模型,仿真实验表明,该模型对于个股价格的短期预测是可行有效的.