基于BP神经网络的交流输电线路可听噪声预测模型

可听噪声属于输电线路电磁环境的影响因子之一,其常规预测模型均存在使用条件受约束或预测误差偏大的问题.根据间接预测法的思想,以可听噪声通用表达式中的4个因素为输入变量,可听噪声值为输出变量,建立了三层结构的BP神经网络交流输电线路可听噪声预测模型.以国外多条输电线路可听噪声数据为样本,通过BP神经网络对样本进行训练,运用得到的模型对预测集线路的可听噪声值进行了预测.结果表明,与常规GE公式相比,采用BP神经网络预测模型的预测平均绝对误差要小1.641 4 d B(A).     

基于HMM的煤与瓦斯运动状态预测

介绍了隐马尔科夫模型(HMM),并将该理论引入到煤与瓦斯运动状态预测的研究中,以工作面瓦斯浓度正常值C、瓦斯浓度峰值P、峰值浓度与正常值之比B、两次采掘前后峰值浓度之比P的非接触式动态指标作为观察变量输入,煤与瓦斯的运动状态作为隐含变量输出,基于HMM提出一种新的预测煤与瓦斯运动状态的方法,通过实例训练预测,预测结果与实际监测趋势一致,且能实现提前预报.     

青海氯盐渍土地区半埋混凝土耐久性研究

文章在现场调查的基础上,针对青海察尔汗盐湖至格尔木高速公路上使用的混凝土进行氯盐快速腐蚀试验和氯离子测试实验。试验结果表明:混凝土相对动弹性模量先上升后下降;混凝土吸附区氯离子的分布规律为先随着距表层距离的增加而增加,在0.75cm处达到最大值,之后随着距表层距离的增加而下降。结合半埋状态下混凝土各部位和周围盐渍土之间的离子交换传输机理,以及氯离子的腐蚀机理,对半埋混凝土状态下钢筋混凝土的使用寿命进行了预测。结果表明:半埋状态下混凝土和周围盐渍土之间的离子交换机理是外部"蒸发-浓缩"和毛细管吸附,内部为扩散;氯离子在半埋混凝土靠近表层处浅层区域的传输机理主要是毛细管吸入,深层区域为扩散;钢筋混凝土腐蚀的主要原因是氯离子使钢筋表面钝化膜破坏,形成腐蚀电池并产生孔蚀,随着铁锈体积增大,导致混凝土保护层开裂。最后,研究得出的青海氯盐渍土地区的半埋钢筋混凝土使用寿命和钢筋保护层厚度之间的关系与调查结果基本一致,说明了文中的寿命预测方法的合理性。     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

基于区间数距离的区间组合预测模型

针对预测值为区间数形式,引入区间数距离,提出一种确定区间组合预测权系数的方法.给出两个区间序列的距离公式,以实际观测序列与组合预测序列的距离最小为准则,建立规划模型,求解得到权系数.最后,通过实例,证明模型能够有效提高预测的精度.     

基于量子遗传算法优化的灰色神经网络预测模型

将量子遗传算法用来对灰色神经网络参数做出优化,提出了一种通过量子遗传算法优化灰色神经网络进行预测的建模方法.应用实例表明,文章建立的模型拥有良好的预测效果,可以作为传统方法的一种补充.     

基于MATLAB GUI的灰色预测仿真优化平台设计

利用MATLAB GUI设计了基于GM(1,1)模型及改进模型的灰色预测仿真优化平台,该平台集输入、输出、仿真计算以及后处理功能为一体,并通过编译生成可脱离MATLAB的.exe可执行程序,简化了灰色建模过程,提高了仿真效率。最后在该平台上进行了仿真实例,验证了该平台的实用性。     

基于多维泰勒网的自适应混沌时间序列多步预测

提出了一种新的混沌时间序列预测方法——多维泰勒网方法.该方法不以相空间重构方法中嵌入维数和时间延迟这两个关键参数的选取为前提,无需系统的先验知识和机理,仅根据已知的时间序列样本,通过多维泰勒网模型获得n元一阶多项式差分方程组,进而得到能反映非线性系统动力学特性的多维泰勒网动态模型.在此基础上提出了基于多维泰勒网的自适应多步预测方法,通过数据窗口的滑动自适应建模,实现对混沌时间序列的多步预测.将该方法应用于Lorenz混沌时间序列的一步和多步预测,均方误差分别达到2.56×10-5和2.76×10-3.仿真结果表明,该方法可以对混沌时间进行有效预测,且具有较高的预测精度.     

具有可变终端代价项的非线性模型预测控制

针对离散时间非线性系统的模型预测控制问题,提出了一种具有可变自调节终端代价项的模型预测控制方案.此方案通过引入自调节因子,并对其设定不同的自调节规则,使终端代价函数项具备了可变自调节性能.证明了带有可变自调节终端代价项的模型预测控制方案可保证闭环系统的性能.为自调节因子提出了若干自调节规则,并分别分析了它们的性质.用实例证明了研究结果的有效性.     

自适应粒子群神经网络交通流预测模型

针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题,提出了自适应权重粒子群神经网络交通流预测(PSOA-NN)模型。首先根据待预测点的上下游观测点数和历史数据,随机初始化若干组模型参数并计算每组参数对应粒子的适应度;然后采用改进的sigmoid函数替代原有模型中的固定惯性权重,并根据其中适应度变好的粒子更新粒子速度和位置,一直迭代到粒子适应度小于预设值为止;最后将满足条件粒子对应的模型参数应用到神经网络模型,根据实时交通流数据预测出15min后的数据。仿真结果表明,使用PSOA-NN模型,可使得在同等预测误差范围内收敛速度提升0.6~1.7倍。