共查询到18条相似文献,搜索用时 109 毫秒
1.
2.
提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义. 相似文献
3.
为满足复杂工程预测问题的需要,把粗集理论与正交小波网络相结合,建立了一种基于粗集的正交小波网络预测模型。应用主成分分析方法解决了正交小波网络多维输入时的维数灾难,提高了网络的收敛性和预测的时效性。预测模型兼容了正交小波网络和粗神经网络的优良特性,具有良好的函数逼近能力和极强的鲁棒性,特别适合于具有随机因素的高精度预测问题。仿真研究表明,模型的预测精度和收敛速度优于小波框架神经网络。 相似文献
4.
5.
基于FCM的小波神经网络模型在径流预测中的应用 总被引:1,自引:0,他引:1
针对径流变化存在的季节性差异,提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集与观测值之间的局部预测模型,文中采用网络模型分类识别器,可自动搜寻相适应的局部网络模型进行预测.以西南某水库2006年日平均入库来流的计算实例对简单小波神经网络预测模型和文中所建的融合模型进行了比较. 相似文献
6.
小波神经网络及其在旋转机械轴心轨迹识别中的应用 总被引:3,自引:0,他引:3
提出一种基于小波变换理论的小波神经网络模式识别方法,并将该方法应用于旋转机械轴心轨迹的识别。在本文提出的方法中,模式识别分两步来完成。第一步通过小波网络完成对数据的压缩,第二步应用前馈神经网络对第一步中的压缩数据进行学习与分类,从而达到模式识别的目的。 相似文献
7.
8.
许多研究人员指出软件性能衰退的主要原因之一是系统资源的耗尽,为了避免软件衰退导致的高成本,应用了基于小波分析和神经网络的四阶段混合模型来实现软件性能衰退的预测。首先应用小波过滤器去除噪声数据;然后使用冗余的Haar小波变换把监控系统采集到的系统资源使用数据分解到不同的分辨层上;再在每一层使用神经网络进行预测,神经网络的权重采用基于免疫机理和模拟退火算法来初始化;最后使用神经网络组合各个分辨层上的预测值。为了验证算法的预测精度,使用软件运行中采集到的系统资源耗费数据进行了仿真实验和比较,实验结果显示该算法具有较好的预测精度。 相似文献
9.
10.
多分辨正交多小波网络的结构与算法研究 总被引:3,自引:0,他引:3
小波网络是函数逼近的有力工具。利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络。分析了该网络用于函数逼近时的性质,讨论了其结构并在此基础上给出了调整网络权系数的算法。理论分析和GHM多小波网络及db2单小波网络对几种非线性函数的仿真结果都表明,当函数具有一定的光滑性时,正交多小波神经网络的逼近性能优于正交单小波神经网络。 相似文献
11.
12.
13.
14.
基于小波神经网络的胎号识别算法研究 总被引:1,自引:0,他引:1
针对人工神经网络的特点,对传统BP算法进行了改进。采用小波神经网络方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以轮胎胎号字符识别为例,分别用投影法和Hu不变距方法进行特征提取,并将所提取的特征用作神经网络输入层的神经元。将所设计的小波神经网络经训练后用于胎号的识别。仿真结果表明,小波神经网络在字符识别方面是一个十分有效的方法。 相似文献
15.
气动人工肌肉的模糊小波神经网络控制 总被引:5,自引:0,他引:5
针对一种应用于医疗机器人领域的三自由度人工肌肉的非线性特性,结合模糊理论与小波神经网络,提出一种模糊小波神经网络控制器对人工肌肉驱动器进行控制。利用模糊小波神经网络的学习能力,采用梯度法搜寻控制器的最优参数。将采用模糊小波神经网络控制器与采用小波神经网络控制器及模糊神经网络控制器的控制系统仿真结果进行比较。仿真结果说明模糊小波神经网络控制器有效地改善了驱动器的静动态特性,具有更快的训练速度和更好的控制效果,是一种理想的气动人工肌肉控制方法。 相似文献
16.
时间序列的小波神经网络预测模型的研究 总被引:33,自引:1,他引:32
针对非线性时间序列,建立了小波神经网络预测模型,通过计算小波分解和小波级数,达到最优的逼近效果.经实例验证,该方法能有效地提高预测精度,避免了人工神经网络模型的固有缺陷. 相似文献
17.