共查询到20条相似文献,搜索用时 15 毫秒
1.
针对变压器故障诊断中传统BP神经网络算法准确率低、收敛速度慢、易陷入局部极小值及对初始参数较为敏感等的不足,提出一种基于蝗虫优化(GOA)算法的BP神经网络故障诊断方法。建立以变压器故障特征气体为输入、故障类别为输出的故障诊断模型,利用GOA高效的计算性能和优良的全局搜索能力对BP神经网络的权值和阈值进行参数优化。仿真结果表明,GOA优化后的BP神经网络模型相比于传统BP神经网络和基于遗传算法优化的BP神经网络,能够在保留广泛映射能力的前提下,提升网络的学习速度和全局搜索能力,进而缩短训练所需时间,提高故障诊断精度。 相似文献
2.
3.
针对BP神经网络收敛速度慢和易于陷入极小值的问题,采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法,提高了BP神经网络的计算精度和收敛速度.应用该模型对空调水系统进行了辨识,并以冷水机组和水泵能耗最小为目标进行优化,取得了满意的效果. 相似文献
4.
5.
针对光伏发电功率的间歇性和波动性,提出了一种基于主成分分析(PCA)和粒子群优化(PSO)算法的BP神经网络短期发电功率预测方法。该方法先对原始输入数据进行主成分分析,再将分析结果作为BP神经网络的输入数据。由于粒子群算法搜索速度较慢,但全局搜索能力较强,而传统的BP神经网络搜索速度较快,但易陷入局部极值点,因此将两者结合起来,既弥补了各自的劣势,又避免了预测模型的失效,从而提高了预测模型的预测精度。分析结果表明,当天气类型改变时,该预测模型的有效性不变,预测误差均小于20%。 相似文献
6.
7.
8.
9.
为解决BP神经网络在尾矿坝浸润线预测中易陷入局部最小值、收敛速度慢等问题,引入全局搜索能力强的万有引力搜索算法(GSA)优化BP神经网络的权值和阈值,进而构建万有引力搜索算法优化BP神经网络(GSA-BP)模型,并以西果园南峪沟尾矿坝NJRX2-4监测点的浸润线预测为例,对比分析GSA-BP模型的预测值与BP模型和PSO-BP模型的预测值。结果表明,GSA-BP模型构建合理,预测精度最高,预测值与实测值相近,验证了GSA-BP模型在西果园南峪沟尾矿坝浸润线预测中的可行性和有效性。 相似文献
10.
11.
针对普通的电动机绝缘剩余寿命预测模型收敛速度慢、结果偏差大的缺陷,提出了一种基于粒子群算法(PSO)优化BP神经网络的电动机绝缘剩余寿命预测模型。首先,利用PSO算法全局随机最优解搜索的特性,对传统BP神经网络模型的权值和阈值进行优化设计。其次,为便于预测模型的运算处理,对采集的三相异步电动机的数据进行归一化处理。最后,结合经PSO算法优化的BP神经网络模型对三相异步电动机的绝缘剩余寿命进行试验预测。结果表明,基于PSO优化的BP神经网络比传统BP神经网络有更为精准的预测能力以及更快的收敛速度。 相似文献
12.
13.
混沌实码遗传算法在水质模型参数优选中的应用 总被引:1,自引:0,他引:1
为提高遗传算法在水质模型参数优选中的计算精度和全局优化能力,利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在实码遗传算法初始群体中引进50%的混沌变量和50%的均匀随机变量,采用混沌变异,用进化得到的优秀个体群来逐步缩小搜索空间,提出了求解水质模型参数优选的一种新方法———混沌实码遗传算法(CRGA)。应用该方法对1~10个变量的非线性、多峰值测试函数进行了仿真。在收敛速度和全局优化方面,CRGA好于现有的标准二进制编码遗传算法和改进的遗传算法。将CRGA用于求解有关河流横向扩散系数的实际水质模型的参数优选问题,与实编码遗传算法、标准二进制编码遗传算法、传统直线图解法相比,CRGA精度高、收敛速度快。 相似文献
14.
15.
指出了模糊优选BP神经网络模型的缺点,在模糊优选BP神经网络模型的基础上,引入加速遗传算法,提出融入遗传算法的模糊优选神经网络智能决策模型。并将其应用于某流域蓄滞洪区优选决策逆命题的目标权重计算,结果表明,该模型能够明显加快网络的收敛速度,改善网络的全局寻优能力,集成了模糊优选BP神经网络和遗传算法的优点。 相似文献
16.
为了提高短期电力负荷预测的准确性,降低因预测精度不高带来的电能损失,提出将花朵授粉算法(flower pollination algorithm,FPA)与BP神经网络相结合,利用FPA算法具有收敛速度快、全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,改善传统BP神经网络因权值和阈值的选择具有随机性而陷入局部最优和收敛速度慢的缺点。最后,通过某地区实际负荷数据验证了优化后的BP神经网络的预测精度得到了提高。 相似文献
17.
为克服传统BP神经网络在渗流压力预测过程中收敛慢、计算量大和易陷入局部极小等缺陷,依据渗流压力的影响因素,研究了模型的结构和输入输出因子,建立了基于遗传算法和LM算法相结合的GA-LMBP神经网络的大坝渗流压力预测模型,即通过遗传算法(GA)的选择、交叉和变异操作得到BP网络的一组全局最优近似解(即网络的初始权值和阈值),再以该近似解为初值,利用LM算法对BP网络进行优化训练,将训练好的网络用于渗流压力的预测。实例应用结果表明,在相同精度的要求下,GA-LMBP神经网络模型收敛速度快、预测精度高,对大坝渗流压力的预测效果更佳,是值得采用的一种模型。 相似文献
18.
改进的混沌优化方法在电站机组负荷分配中的应用 总被引:7,自引:1,他引:7
利用搜索过程中的先验知识,提出了一种改进的变尺度混沌优化算法,对电厂机组负荷分配这一类高维、非线性问题进行寻优。该算法利用混沌运动的遍历性和随机性进行全局搜索,结合下降法思想在当前最优解的局部空间搜索,提高算法的收敛速度。通过罚函数,将非线性约束问题转化为非约束问题求解,在寻优操作过程中检验解的有效性。并采用目标函数中负荷取值区间判别方法,降低优化问题的规模,减少了计算次数。与传统遗传算法相比,改进的混沌优化算法获得了更好的效果。 相似文献
19.