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.     

基于PCA-ELM的矿井瓦斯涌出量预测

为进一步提高矿井瓦斯涌出量的预测效率和精度,将主成分分析法(PCA)和极限学习机(ELM)神经网络相结合,建立基于PCA-ELM的矿井瓦斯涌出量预测模型。运用主成分分析法对矿井瓦斯涌出量影响因素样本进行主成分提取,去除各变量之间的线性相关,得到降维后的有效因子。再将这些有效因子作为ELM神经网络的输入层进行训练和预测,借助ELM神经网络不需较多参数调整、学习速度快、泛化性能好的特点,进行快速准确的预测。利用某典型矿井的实测数据进行实例分析,PCA-ELM方法预测的最大误差为0.2589,最小误差为0.0312,平均误差为0.1370,结果表明该预测模型预测速度快、精度高,能够用于矿井瓦斯涌出量预测。     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.     

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。     

基于PCA-ABBP强分类器的矿区采空塌陷危险性预测

为了准确、快速地预测矿区采空塌陷危险性,针对矿区采空塌陷影响因素之间存在信息重叠以及利用单一BP神经网络进行预测时存在的局部极值等问题,提出了一种PCA-ABBP强分类器模型。以北京西山某地的24组采空塌陷数据为样本,选取了采空区空间叠置层数等7个变量作为矿区采空塌陷的影响因素,以前17组数据作为训练样本,建立基于PCA-ABBP强分类器的矿区采空塌陷危险性预测模型。利用该模型对后7组数据进行预测,预测结果与实际完全相符,而单一BP神经网络预测的平均误差为17.14%,验证了所提出模型的有效性和可靠性。     

基于ConvJANET的航空发动机剩余寿命预测及其不确定性量化

航空发动机技术是衡量一个国家科技水平和工业实力的重要标志,健康状态监测和剩余使用寿命(remaining useful life, RUL)预测技术是航空发动机安全服役、经济运行的重要保障.针对航空发动机RUL预测精度较低、不确定性难以量化的问题,本文提出了一种数据驱动的航空发动机RUL区间预测方法.首先,在ConvJANET框架下构建新的卷积-卷积循环-全连接结构的深度学习模型,逐层提取航空发动机监测数据中的退化特征;其次,利用极大似然思想指导神经网络模型的优化求解,并基于损失函数形式变化的策略训练模型,实现对航空发动机RUL的高精度预测与不确定性量化.将所提出的方法用于分析航空发动机退化数据集,结果表明,对比传统基于蒙特卡洛的方法,本文提出的方法具有更高的RUL预测准确率和更好的置信区间预测性能.     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

基于支持向量机回归与分源预测法的瓦斯涌出量预测模型及其应用

针对目前瓦斯涌出量预测模型存在的局限性及精度低等问题,应用分源预测和支持向量机(SVM)的基本原理,将SVM回归与分源预测法相结合,并利用SVM对回采工作面的瓦斯涌出量进行回归分析和数值模拟,建立了SVM分源预测的数学模型,提出了SVM分源预测的新方法。数值实验表明,将训练成功的SVM模型对现场数据进行回归预测并对比预测结果与实际值发现,SVM比BP神经网络预测精度更高,训练样本期望输出与实际值的最大相对误差为1.45%,小于实际要求的5%,准确率较高,预测风险低,可以满足实际要求。     

氢燃料电池热特性测试平台设计和应用

国内氢燃料电池大功率、全负载的发展面临温度一致性与余热利用的热管理挑战.为了获得大功率氢燃料电池的能量转化与温度分布等热特性规律,搭建了模块化的氢燃料电池热特性测试平台,并进行应用研究,验证了该平台的功能性和实用性.该测试平台包括冷却散热模块、热特性测试模块、数据采集模块与控制模块等,能够在对热管理关键温度进行监测并对氢燃料电池产热特性进行实时测量分析的基础上,利用红外热成像与热电偶阵列对燃料电池各单元间的温度一致性进行测试与评价,旨在为余热利用、提升温度均匀性等先进热管理技术的研究提供测试手段与数据基础,对推进氢燃料电池汽车的节能化、高效化具有重要意义.     

网络态势感知系统的告警阈值确定方法研究

在网络态势感知系统中需要对影响网络性能的各项指标设置阈值,通过设置阚值和阚值检查可以在网络出现性能问题时及时向管理人员告警.本文提出了一种利用BP神经网络来确定告警阚值的方法:在采集到的大量性能数据中选取典型值作为训练样本训练BP神经网络.输出该值隶属于各模糊区问的隶属度,最后利用检验样本找到各区间的分界点即为阈值.文章还利用MATLAB对BP神经网络进行了仿真实验,验证了该方法的有效性.     

自然光照条件下可再生的微生物燃料电池阴极体系

本文中采用多碘离子(I3-)为阴极电子受体,利用碘离子(I-)可以在太阳光照条件下跟氧气生成多碘离子的特性,提出并构建了可利用太阳光进行循环再生的微生物燃料电池阴极体系;并在太阳光照条件下对多碘离子的再生特性及其再生特性对电池性能的影响进行了实验研究.结果表明,多碘离子做阴极电子受体时的微生物燃料电池的性能要明显高于铁氰酸钾(K3[Fe(CN)6])为电子受体时的性能;并且在太阳光照条件下,多碘离子可以利用太阳能快速循环再生,是一种较合适的微生物燃料电池阴极受体.同时实验发现多碘离子浓度对微生物燃料电池性能有很大影响,在本实验条件下,多碘离子浓度越高,微生物燃料电池性能越好;并且通过线性扫描实验可知,在自然光照条件下,多碘离子向阴极表面的扩散是影响微生物燃料电池性能的主要因素.     

基于PCA-GA-BP的回采工作面瓦斯涌出量预测模型研究

为进一步提高回采工作面瓦斯涌出量预测的准确性,建立了主成分分析法(PCA)、遗传算法(GA)、BP神经网络相结合的预测模型。该模型采用主成分分析法降维处理原始输入数据;将主成分分析结果作为BP神经网络的输入,消除冗余信息;然后采用遗传算法优化BP神经网络的初始权值和阈值,有效克服BP神经网络极易陷入局部最优的问题。选取某矿井回采工作面的实测数据进行分析,结果表明,该模型较单一BP神经网络预测精度高,能更有效地实现回采工作面瓦斯涌出量的高准确度预测。     

基于BP神经网络方法研究岩石节理形貌粗糙度系数

岩石节理粗糙度系数(JRC)是研究岩石力学性质的重要参数。为了更准确地描述这一参数,本文基于人工神经网络的原理,提出一种研究JRC的新方法——BP神经网络预测法。选取节理表面最大峰高S_p、表面最大高度S_z、表面最大谷深S_v、峰度系数S_(ku)、偏斜度系数S_(sk)、均方根高度S_q、算术平均高度S_a7个表面形貌高度特征参数作为网络输入,剖面线分维值和JRC作为网络输出,以此为基础构建网络模型,并对10组实测数据进行了预测验证。结果表明:该方法误差很小,具有很高的预测精度,可为进一步的研究提供新的思路和方法。     

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．     

一种基于自适应神经网络的航空发动机故障诊断方法

航空发动机在使用过程中,气路部件的性能不可避免地发生了蜕化,相应的故障诊断技术对发动机的健康管理系统具有重要意义.本文针对发动机在设计点的非线性部件级模型,借助PCC(Pearson correlation coefficient)相关分析方法,对神经网络的输入参数和输出参数的选取方式进行了优化.以前馈型神经网络为基础,针对常规BP(back propagation)神经网络收敛速度不稳定、且容易陷入极小值的缺陷,设计了一种新的自适应神经网络,准确估计了发动机部件的蜕化情况.这种算法融合了比例因子和动量因子,改善了网络的学习速率,提高了神经网络置信度和对发动机模型参数的泛化能力.结果表明,本文设计的自适应神经网络的精度优于常规BP神经网络,并且在训练样本数较少时,依然能够通过训练得到理想的网络,保证发动机健康参数的故障检测具有较高精度.     

基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.     

基于模糊控制修正Elman神经网络的电力负荷短期动态预测

为了更好地反映电力负荷系统非线性、动态性、时变性的特点,对电力负荷进行更加智能、准确的预测,将Elman神经网络与模糊控制相结合,提出了一种基于模糊控制修正Elman神经网络的电力负荷短期动态预测模型。首先利用Elman神经网络对电力负荷进行预测并计算预测残差,然后利用模糊控制对残差进行预测控制并对Elman神经网络预测结果进行智能修正,最后结合Elman神经网络与模糊控制修正结果得到最终的电力负荷预测结果。以辽宁省某市2015年6月份部分电力负荷历史数据为样本,结合天气温度情况,利用本文提出的模型进行了实际电力负荷短期预测,最终结果误差较小且比较稳定,优于单一Elman神经网络和该市目前电力系统预测结果,验证了本文提出模型的有效性及可靠性,为短期电力负荷预测提供了一种较为可靠的途径。     

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。     

支持向量机在围岩变形监测中的应用

根据支特向量机优越的非线性拟合性能,建立变形量的时间序列预测模型,滚动预测围岩变形量,提高了预测模型的训练速度和预测推广能力。该方法用于西乡-固戍盾构段围岩变形预测,并与BP神经网络预测进行比较。结果表明这种模型可预测区间较长且具有较高的准确度,能够科学地指导现场施工和监测。     

基于L-M算法的EV71传播预测模型

本文基于神经网络L-M优化算法,提出一种时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.