基于IFOA-GRNN的电力系统短期负荷预测

考虑到电网负荷与诸多因素有关,设计了一种带有温度、气象、日期类型的广义回归神经网络（GRNN）负荷预测模型。为了提高该模型的预测精度,提出了一种改进果蝇优化算法优化广义回归神经网络（IFOA-GRNN）的方法,即在利用果蝇优化算法（FOA）进入迭代寻优时,通过改进搜索距离优化该算法的性能和稳定性。利用改进的FOA优化GRNN的光滑参数,然后利用训练好的预测模型对甘肃省某地区进行了短期负荷预测,并与FOA-GRNN和误差反向传播神经网络(BPNN)模型结果进行了误差比较。结果表明, IFOA-GRNN具有较高的预测精度,能够满足电力系统短期负荷预测的要求。     

基于多位置NWP的超短期风速预测研究

数值天气预报(NWP)是影响风电场超短期预测精度的主要因素。采用数据挖掘技术中的主成分分析方法,对位于一个风电场多个位置的NWP各指标数据进行主成分提取,获取几个综合指标,使得新的输入变量维数降低,分量间相关性减小。在此基础上,利用BP神经网络和泛化回归神经网络(GRNN)建立超短期风速预测模型,实验结果显示,基于主成分分析提取的GRNN预测模型预测精度更高。     

GRNN与统计模型在海堤渗压监测中的应用比较

为掌握海堤状态量的变化规律并进行有效预测、评判,在对海堤渗压效应量和影响因素分析的基础上,给出了监测模型的影响因子基本形式,采用统计理论和广义回归神经网络(GRNN)分别建立了分析预测模型,对两种模型的建模原理、模型中影响因素及模型效果等方面进行了比较,可为复杂的海堤状态的安全监控提供参考.     

基于GRNN的冻融期土壤蒸发预测

基于2017～2018年冻融期实测大田土壤蒸发数据和日气象数据,采用主成分分析法与广义回归神经网络(GRNN)相结合的方法对土壤蒸发量进行预测。即先利用主成分分析法提取影响冻融期土壤蒸发的7个主要因子,将其作为GRNN模型的输入变量,土壤蒸发量作为输出变量;再利用10折交叉验证法选取的最佳光滑因子建立GRNN土壤蒸发预测模型。结果表明,GRNN模型预测值与实测值拟合程度较高,R~2为0.982、均方根误差为0.014mm/d、平均相对误差为5.281%、平均绝对误差为0.010mm/d,模型模拟精度较高,可用于冻融期土壤蒸发预测。     

广义回归神经网络在土石坝渗流监测中的应用

通过建立土石坝渗流监测数据的广义回归神经网络(GRNN)模型,对花凉亭水库坝基渗流测压管的监测数据进行了拟合与预测,并将其拟合预测结果与反向传播神经网络(BPNN)、多元逐步回归模型的拟合预测结果进行对比分析。结果表明,GRNN模型在数据拟合与预测方面均取得了很好的效果。     

基于PCA-GRNN模型的集输管道腐蚀速率预测

针对原油集输管道的腐蚀速率问题,首先对引起集输管道腐蚀速率的相关因素进行分析,建立PCA-GRNN模型,根据现场获取的相关数据,使用PCA(主成分分析)算法对集输管道腐蚀速率影响因素进行降维处理,使用交叉验证的方法对GRNN(广义回归神经网络)算法的光滑因子进行寻优,将25组集输管道腐蚀速率及影响因素数据作为学习样本,对5组集输管道腐蚀速率数据进行预测,并将预测结果和PCA-BP神经网络模型、PCA-WNN神经网络模型进行对比,以此验证PCA-GRNN模型的可行性。根据PCA处理结果可以看出,原油温度、流速、硫化氢含量、二氧化碳含量、盐含量、含水率以及pH对集输管道腐蚀速率的影响较大,压力对其影响较小;PCAGRNN模型的预测平均绝对误差仅为1.28%,小于其他模型的预测结果,证明PCA-GRNN模型适用于原油集输管道腐蚀速率预测。     

基于果蝇算法优化广义回归神经网络的凝汽器真空预测

针对凝汽器真空模型复杂而难以准确建立的问题,提出了基于果蝇算法优化广义回归神经网络(FOAGRNN)构建凝汽器真空预测模型的新方法。为了简化网络模型,通过计算平均影响值(MIV)筛选出对凝汽器真空影响较为重要的变量。采用果蝇算法对光滑因子进行优化选取,减少人为设置参数对预测效果的影响,提高广义回归神经网络(GRNN)的预测精度。将该方法应用于660MW火电机组凝汽器真空预测,并与未经变量筛选的GRNN及FOAGRNN预测结果进行对比。结果表明筛选变量过后的FOAGRNN模型的预测精度明显优于另外两种,平均相对误差为1.0925%,能够准确地预测凝汽器真空变化值。     

基于人工神经网络的单轴联合循环机组变工况模拟

影响联合循环机组实际变工况性能的非线性因素众多,基于热力学基本原理的建模方法在准确性和计算量方面遇到了较大困难.前馈型神经网络以其良好的非线性逼近和预测能力在非线性建模领域获得了广泛应用.本文分别利用MATLAB神经网络工具箱中的BP、RBF和GRNN(广义回归)三种网络模型对GE的S109FA机组进行了变工况模拟,提出了评价网络性能的新标准并分析比较了三种模型的可行性,最后讨论相关结论.     

基于果蝇优化算法的GRNN模型在边坡稳定预测中的应用

鉴于边坡系统是一个复杂的多因素影响的非线性系统,综合考虑边坡的物理状态和环境因素,采用了一种基于果蝇优化算法(FOA)的广义回归神经网络(GRNN)模型(FOAGRNN)预测边坡的稳定状态,并与BP神经网络预测模型结果进行比较。结果表明,FOAGRNN预测的精度较高,基本反映了边坡稳定的真实状态。     

基于不同人工神经网络的CNG发动机排气温度预测模型研究

为了提高CNG发动机排气温度预测精度,基于BP、RBF和GRNN神经网络建立了3种排气温度的预测模型。开展了CNG发动机台架实验,测量了不同工况条件下发动机的排气温度,利用实验值对模型进行训练,并预测了不同发动机转速、空气进气量、点火提前角等条件下的排气温度,将预测值与实验值进行了对比分析,评估了不同预测模型的准确性。结果表明:BP、RBF和GRNN 3种神经网络的误差分别为3.5%、2.8%和3.1%。RBF神经网络的预测误差比BP和GRNN神经网络的误差小,稳定性强,更适合CNG发动机的排气温度预测。     

Does moving towards renewable energy cause water and land inefficiency? An empirical investigation

This study investigates the effect of renewable energy production on water and land footprint in 58 developed and developing countries for the period of 1980–2009. Utilizing the ecological footprint as an indicator, the fixed effects, difference and system generalized method of moment (GMM) approaches were employed and eight different models were constructed to achieve robustness in the empirical outcomes. Despite the use of different methods and models, the outcome was the same whereby GDP growth, urbanization, and trade openness increase the water and land footprint. Moreover, renewable energy production increases the water and land inefficiency because of its positive effect on ecological footprint. Additionally, based on the square of GDP it is concluded that the EKC hypothesis does not exist while the square of renewable energy production indicates that renewable energy production will continue to increase water and land footprint in the future. From the outcome of this study, a number of recommendations were provided to the investigated countries.     

基于贝叶斯理论的区域可持续发展水平概率评估

针对目前区域可持续发展水平评估结果可信度不高的问题,研究了评估的不确定性对可持续发展水平概率的影响。通过统计分析,确定区域生态足迹值的影响要素,以此建立生态足迹值的贝叶斯回归方程,推求回归系数的先验分布和后验分布,再由马尔可夫链蒙特卡洛随机抽样及负生态足迹指数构建区域可持续发展水平的概率评估模型,并以武汉市为典型区,对该模型进行实例应用。结果表明,武汉市2000~2009年的可持续发展水平为Ⅳ级,概率为100%。计算结果与已有研究成果基本一致,表明该方法合理,可弥补确定性区域可持续发展水平评估模型的不足。     

我国水生态足迹研究进展

生态足迹是评价可持续性发展与利用的有效方法,为对生态足迹的水域账户予以完善,介绍了水生态足迹内涵及其账户的不同理解,从理论研究、应用、影响因子及水资源可持续利用评价指标综述了水生态足迹研究成果,指出了基础理论、计算模型、扩展应用等方面还存在不足,并对其研究未来进行了展望。     

贵州省岩溶地区水土资源生态安全研究

基于压力-状态-响应(PSR)模型,利用相对距离和层次分析方法对贵州省2007~2012年的水土资源生态安全进行定量化分析。结果表明,2007~2012年贵州省的水土资源压力安全距离和状态安全距离总体偏小,响应安全距离相对较大;总体生态安全属于安全状态,响应安全距离较大是影响总体安全距离的主要因素;水土资源生态安全的最大影响因素是水土资源开发利用的管理。该结果可为贵州省水土资源的可持续利用、生态环境建设和经济社会发展提供借鉴和参考。     

基于改进水生态足迹模型的深圳市水资源可持续利用分析

基于传统水生态足迹模型,在优化水资源均衡因子的基础上构建了基于市公顷的水生态足迹模型,计算了深圳市2004~2018年间水资源均衡因子、各区水资源产量因子、水资源生态足迹和水生态压力指数,对水资源可持续发展水平进行了研究。结果表明,深圳市水资源均衡因子逐步增加;水资源产量因子总体呈现由东向西递减趋势;水资源生态足迹周期性波动缓慢上升,各区的水生态足迹呈现明显的空间差异性;水生态压力指数整体大于1,水资源处于不可持续发展状态。     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。     

基于生态足迹指数的汉江流域可持续发展评估

以汉江流域为例,分别计算了流域内12个地市2008年的生态足迹与生态承载力,并引入生态足迹指数,从流域层面初步分析了汉江流域的可持续发展状况。结果表明,该流域整体处于不可持续发展状况,流域自上而下可持续发展状况由强可持续发展逐步过渡为严重不可持续发展状态。