UHVDC输电线路可听噪声的探析

介绍UHVDC输电线路可听噪声产生的原因及特性,不同的气候条件、分裂导线数、分裂间距、导线截面积、海拔等对可听噪声的影响,可听噪声的计算方法.对投运后的±800 kV复奉UHVDC输电线路现场可听噪声进行分析,提出相应的防范建议,为今后UHVDC输电线路设计、运维提供现场运行资料.     

高压交流输电线路电晕可听噪声机理及理论模型

为预估高压交流输电导线产生的电晕可听噪声,研究了电晕可听噪声的产生机理及其理论预估模型.高压交流输电线电晕产生正负离子,基于Drude模型研究了正负离子的运动规律,进而阐明了电晕可听噪声的产生机理.在此基础上,进一步运用Kirchhoff公式得出电晕可听噪声的理论预估模型,并针对特定导线布置形式计算了典型的二倍工频分量的声压及声场分布.数值计算结果表明,可听噪声中的二倍工频分量衰减缓慢,且在导线附近区域存在显著的干涉现象,计算的结果会随着离子浓度的变化而变化,但声压级分布曲线的形状不会变化.该模型适合于电晕可听噪声的计算,有助于指导输电线设计.     

高压交直流同塔输电线路无线电干扰与可听噪声的计算

为了寻求一种适合交直流同塔架设线路的无线电干扰与可听噪声计算方法,从理论上分析了混合线路表面场强的特点,利用线性叠加原理求出混合线路表面场强,并结合晴天和雨天对交流和直流线路电晕程度的不同影响,提出在同一种天气状况下计算交直流线路无线电干扰与可听噪声。用3种计算无线电干扰与可听噪声的方法,分晴天和雨天情况进行计算比较,结果表明3种方法中 BPA 修正公式计算值最大,该方法可视为目前计算交直流同塔线路无线电干扰与可听噪声的有效方法。     

基于BP神经网络的输电线路覆冰增长模型研究

分析了现有输电线路覆冰增长模型在预测中的不足以及神经网络对非线性映射变量表达的优越性,提出了一种基于Levenberg-Marquardt学习算法的BP神经网络的覆冰增长预测模型。通过实验获取的覆冰增长数据样本训练BP网络,利用收敛的网络进行输电线路覆冰增长的预测,仿真实验误差1mm以下的有7组数据,远高于对比模型makkonoe模型的3组,验证了模型有效性,对输电线路的覆冰研究和预防有重要意义。     

基于BP神经网络的艾滋病预测模型

利用神经网络的自学习、自适应及非线性逼近能力,建立了艾滋病预测模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为艾滋病预防提供了一种科学、可行的预测模型。     

基于BP神经网络的股市预测模型

本文介绍了神经网络的基本概念,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度高。     

深圳港基于BP神经网络的集装箱预测模型

运用BP人工神经网络建立了深圳港集装箱吞量的预测模型，得出深圳港2001－2005年的集装箱吞吐量，研究结果表明，该预测方法具有很强的学习与泛化能力，预测结果对深圳港的发展有较强的借鉴作用，可以提高深圳港处理运量的能力。     

基于BP神经网络的电网线损率预测模型分析

为了提高电网线损的预测精度,提出一种基于误差逆传播算法训练的多层前馈（back propagation,BP）神经网络的电网线损率预测模型。通过对BP神经网络模型的结构和学习算法进行分析,提出了线损数据质量校核方法。试验结果表明：此模型可提高预测效果,对于线损异常诊断具有较好的诊断效果。     

基于BP神经网络的钢液终点磷含量预测模型

磷含量是描述钢液质量的一个重要的含量。结合遗传算法（GA）和误差反馈型神经网络（BP）,建立了优化的GA-BP神经网络预测模型,预测转炉炼钢过程钢液终点磷含量。对现场收集的数据进行仿真学习,结果表明,该预测模型收敛速度快,具有较高的预测精度,平均绝对误差可达到0.002 7%。随着训练样本的增加和模型结构的进一步优化和完善,将具有很好的应用前景。     

基于灰色BP神经网络的汽车物流需求量预测模型

本文利用BP神经网络理论和灰色预测法,针对汽车物流行业特点,建立了灰色BP神经网络预测模型,并对某汽车企业某车型整车物流量进行了预测。结果表明：所设计的模型在汽车物流需求量预测应用中能达到良好的拟合精度及预测精度。     

基于BP神经网络的福州市人口预测模型

根据福州市区1981-2004年的人口统计数据,应用BP-MSM算法,建立福州市区BP神经网络的时间序列预测模型,并与一元线性回归模型、人口自然增长模型、指数函数模型、幂函数模型、马尔萨斯人口增长模型、Logistic人口预测模型的预测结果进行比较,结果表明BP神经网络对人口数量的预测精度更高,效果更好.     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于BP神经网络的区域短期地震预测模型研究

在详细分析和归纳地震数据及其特征的基础上,提出了可以对地震震级进行量化预测的方法,以江苏省区域为研究对象,采用线性回归和常规BP神经网络方法进行了震级预测,并在总结了这两种方法优缺点的基础上,提出了"线性回归+神经网络"的融合模型。回溯检验结果表明,该模型的预测效果得到显著改善。     

基于BP神经网络的短期降水预报

人工神经网络(Artificial Neural Network,简记为ANN)是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,并在工程上具有非常广泛的应用前景．本文介绍了BP神经网络的结构及算法,基于BP神经网络的短期降水预报模型的建立,并分析了BP算法在该应用中的优缺点．     

基于BP神经网络的我国碳排放情景预测

碳排放预测有助于碳减排目标和碳减排路径的科学制定。借鉴STIRPAT模型的影响因素,选取人口、城镇化率、人均GDP、第三产业GDP比例、能源消耗强度、煤炭消费比例等6项因素为自变量,以1980-2009年的指标数据为训练样本,运用BP神经网络方法构建了我国碳排放预测模型,并对2010-2015年我国碳排放进行预测,结果表明我国“十二五”期间应适当降低GDP增速,促使碳排放目标的有效实现。     

基于改进神经网络的GDP时间序列预测

由于GDP时间序列具有线性和非线性的特征,神经网络(NN)方法和集成预测方法等在预测分析时可能产生较大误差.以GDP的年增长率作为神经网络的输入,建立基于BPNN的GDP预测模型.利用此改进BPNN模型对我国的GDP进行预测和验证,并分别与ARIMA-BP集成模型及BPNN模型进行比较.结果表明,改进的BPNN模型预测...     

基于BP神经网络的我国股指期货价格预测

应用BP神经网络理论提出了我国股指期货市场价格走势短期预测模型。首先根据实验数据的特点分别构建单因素、多因素BP神经网络预测模型,再通过重复试验的方法,运用BP神经网络对股指期货价格序列进行训练,从而对股指期货价格进行预测。结果表明,通过BP神经网络预测模型得到的预测值与股指期货的实际价格有着很高的拟合度。     

我国体育人口增长预测模型研究

运用文献调查、逻辑分析、类比分析等研究方法对体育人口增长预测模型的构建进行研究,其目的是通过构建体育人口增长预测模型,准确地预测我国未来体育人口的增长,为相关决策部门制定健身政策提供理论参考。文章阐述了体育人口的特点以及神经网络的基本原理,论述了运用BP神经网络进行体育人口增长预测的可行性,建立了基于BP神经网络体育人口增长预测模型,补充了体育人口增长预测理论研究的空白,对我国未来准确预测体育人口增长具有一定现实意义。     

基于BP神经网络模型的城市生活垃圾产生量预测研究

提出一种基于BP神经网络Levenberg—Marquardt算法建立城市生活垃圾产生量的网络预测模型。该方法优于传统的灰色理论预测模型和根据人口数预测垃圾产生量，预测结果客观、合理、精确，实用性强。该研究方法对我国城市生活垃圾管理和环境规划具有一定的指导意义。