一种基于RBF神经网络的无线传感器网络定位模型

在无线传感器网络覆盖区域内的不同位置采集信号强度值,利用径向基函数(RBF)神经网络建立信号强度到节点坐标之间的映射模型,将采集到的信号强度值作为神经网络的输入矢量进行训练,利用训练好的神经网络实现未知节点的定位。实验结果表明,该模型具有较好的定位精度,其平均定位误差低于10%。     

基于AQPSO算法优化的RBF网络模型及应用研究

提出了自适应量子粒子群优化(adaptive quantum-behaved particle swarm optimization,AQPSO)算法,用于训练RBF(radial basis function)网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改进了RBF网络的泛化能力.利用上证指数数据进行预测,实验结果表明,采用AQPSO算法获得的RBF网络模型不但具有很强的泛化能力,而且具有良好的稳定性,在股票数据预测中具有一定的实用价值.     

基于时域统计平均预处理的RBF网络发动机气缸压力识别方法

在柴油发动机气缸压力的识别过程中，针对缸盖振动信号的信噪比低且呈非平稳特性，影响神经网络对气缸压力识别的问题，提出了在径向基函数(RBF)网络训练前，对训练样本进行时域统计平均降噪预处理，再对实验样本进行识别．结果表明，时域统计平均有效提高了训练样本的信噪比，RBF网络经训练后，对柴油发动机气缸压力的识别具有计算速度快、识别精度高的优点．     

多模式集成的RBF神经网络天气预报

针对复杂庞大的多模式数值预报数据,提出一种径向基函数(RBF)神经网络集成天气预报模型.根据天津市预报站点采用的WRF模式、RUC模式等数值预报数据的特点,将多种单模式数据作为RBF神经网络输入,网络输出为集成预报结果.实验表明:RBF神经网络集成预报模型降低了单模式预报误差,更加贴近了真实数据,并且在稳定性和实效性方面均有良好表现.     

RBF网络在图书馆流通量预测中的应用RBF网络在图书馆流通量预测中的应用

根据径向基函数（RBF）网络的理论以及图书馆流通量影响因素,提出了基于RBF网络预测图书馆流通量的模型,利用图书借阅的原始统计数据对该模型进行了计算,指出该算法用于预测图书馆流通量是可行和有效的,具有一定的应用参考价值。     

基于△u模式和RBF网络的局部放电模式识别

局部放电（PD）模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一．采用了一种△u模式参量作为局部放电的图谱特征，并采用不变矩作为放电特征；同时，采用了径向基函数神经网络（RBFNN）对局部放电△u模式参量构成的图谱特征进行识别．结果表明采用正交最小二乘法（OLS）训练的RBFNN对△u模式中的不变矩特征参量进行识别，RBFNN收敛速度快且稳定性强，识别率达到85．7％以上，能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号，在实际应用中具有良好的应用前景．     

基于RBF神经网络模型的臭氧浓度软测量研究

目前的臭氧浓度在线分析测试仪器在臭氧发生器中的应用受到很大限制.通过监测影响臭氧产生浓度的6个参量,基于RBF神经网络模型实现了臭氧浓度软测量.该模型采用梯度下降法确定RBF基函数的中心及输出层权值,可离线和在线校正所建立的神经网络模型.实验证明,软测量模型输出结果与臭氧浓度分析仪测量结果的绝对误差小于5g/m3的达93%以上,绝对误差小于1g/m3的达33%以上,且响应时间小于1s.     

基于RBF神经网络的自回归系统辨识模型

根据神经网络能以任意精度逼近任意非线性连续函数的特点,通过径向基函数神经网络构建非线性动态系统的辨识模型。针对该模型输入值超出径向基函数的映射区域时将导致系统辨识输出值为零的现象,提出了一种基于改进径向基函数结构的自回归系统辨识的方法,有效地消除了零现象。这使得自适应辨识模型在较大的输入向量下能够逼近实际系统的输出,从而提高了系统辨识的鲁棒性。该方法的可行性得到了仿真验证。     

RBF网络在图书馆流通量预测中的应用

根据径向基函数(RBF)网络的理论以及图书馆流通量影响因素,提出了基于RBF网络预测图书馆流通量的模型,利用图书借阅的原始统计数据对该模型进行了计算,指出该算法用于预测图书馆流通量是可行和有效的,具有一定的应用参考价值.     

基于RBF神经网络的旋风器阻力系数预测模型

旋风器阻力系数是随旋风器结构参数变化的复杂函数，根据阻力系数与结构因素之间的映射关系建立了基于径向基函数(RBF)神经网络预测模型，并将其用于切流反转式旋风器阻力系数的预测并与常用的BP神经网络模型比较。结果表明，该模型收敛速度快。预测误差小，预测结果与实测结果较为符合。     

一种基于进化计算的高斯径向基网络模型构建方法

为了提高高斯径向基神经网络模型的构建精度,将径向基中心、基宽以及连接权构成分区实数编码结构,将训练样本集作为每一个进化个体解码后的网络输入及输出,并将样本的期望输出同网络实际输出的平均误差平方和作为进化个体的适应度函数,将不同隐层节点数构成的进化个体的最优值作为设计问题的高斯径向基网络结构.采用2个Benchmark测试函数验证在不同隐层节点数情况下通过该进化算法构建的径向基模型的精度,从进化时间、进化代、最小适应度值以及均方根误差等方面作对比.结果表明,采用这种分区实数编码能高精度地构建不同设计问题的高斯径向基网络模型.     

基于RBF神经网络的Web分类挖掘研究

根据Web文档分类与人工神经网络理论，设计了一个Web分类挖掘系统。针对BP网络分类器的不足，提出了用径向基函数神经网络对Web页面中的文本信息进行分类的方法。实验初步证明，用径向基函数进行分类比BP算法构造的神经网络更具准确性，有效地提高了分类的正确率。     

耦合TIGGE降水集合预报的洪水预报

耦合数值降水预报信息的洪水预报延长了预见期,为防洪调度赢得了宝贵的决策时间.但"单一"的降水预报具有较大的不确定性,即基于"单一"的降水预报所做出的调度决策可能不是优化的,甚至可能会出现较大的偏差,因此在洪水预报中引入了降水集合预报信息来考虑相应的降水不确定性.文中以桓仁水库以上流域为试验流域,将欧洲中期天气预报中心(ECMWF)的降水集合预报数据驱动新安江模型,得到预报径流的区间范围,为决策者提供更多有用的风险信息.计算结果表明,ECMWF降水集合预报可用于洪水预报,且能较好地描述洪水预报的不确定性.根据集合平均降水预报的特点,对集合平均降水数据进行了修正,并将修正后的集合平均数据驱动水文模型,其预报效果有了很大的改善.     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

基于改进的模糊聚类的RBF网络的设计

通过减法聚类与模糊c-均值聚类相结合的方法确定RBF网络隐层数据中心,用最小二乘法训练RBF网络的输出权向量,最后通过函数逼近的仿真实验来说明文中的聚类方法较以前的其它聚类方法效果更好更稳定。     

基于改进U-Net模型的次季节降水预报订正

针对现有次季节降水预报误差较大的问题,提出基于改进的U-Net模型的次季节降水预报订正方法.首先,通过指数变换,将非正态分布的降水预报数据变换到正态分布;其次,结合残差连接和通道注意力改进U-Net模型,用于订正模式预报结果,生成订正后的降水概率预报;最后,通过损失函数加权提高强降水预报性能.实验结果表明,订正结果相较于原始预报误差明显降低,CRPS降低了14%,概率预报的采样均值在10 mm日降水量阈值的TS评分提升48%.     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

基于RBF网络的漏磁检测缺陷定量分析方法

为了正确评估油气管道的使用寿命和安全状况,需根据漏磁检测信号特征对缺陷进行准确的定量分析。提出一种基于径向基函数(RBF)神经网络、用于定量分析油气管道缺陷的迭代方法,给出了具体的算法步骤,并采用自适应学习机制来训练网络,既加快了该算法的收敛速度,又避免了陷入局部最小值问题。仿真结果表明:该方法不仅训练速度明显快于普通反向传播(BP)网络,而且最大量化误差仅为0.26%。该方法有助于提高漏磁检测的准确度,可为油气管道的安全评估提供可靠的依据。     

基于Δu模式和RBF网络的局部放电模式识别

局部放电(PD)模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一.采用了一种Δu模式参量作为局部放电的图谱特征,并采用不变矩作为放电特征;同时,采用了径向基函数神经网络(RBFNN)对局部放电Δu模式参量构成的图谱特征进行识别.结果表明采用正交最小二乘法(OLS)训练的RBFNN对Δu模式中的不变矩特征参量进行识别,RBFNN收敛速度快且稳定性强,识别率达到85.7%以上,能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号,在实际应用中具有良好的应用前景.     

基于RBF神经网络的高层建筑火灾风险评价

火灾风险评价是减小和控制高层建筑火灾的重要前提,本文设计了应用于高层建筑火灾风险评价的径向基函数网络模型,介绍了其学习算法,并用此模型对高层建筑火灾风险评价进行实例分析,通过对实验仿真结果与实际结果的比较分析,表明径向基函数网络模型在高层建筑火灾风险评价的可行性,为高层建筑火灾风险评价方法的研究提供一种新的尝试,为减小和控制高层建筑火灾的发生在理论上、方法上提供有益的指导。