基于高阶神经元网络的晶闸管整流电路故障诊断

介绍了人工神经元网络在晶闸管三相桥式整流电路故障诊断中的应用．较详细地介绍了高阶BP算法及其与普通BP算法的差异．电力系统故障诊断的计算机仿真表明，高阶BP算法可以明显提高系统精度，降低误差．     

基于人工神经元网络的工厂电力负荷短期预报

讨论用人工神经元网络技术对工厂企业的电力负荷（用电量）峰值作为短期预报,分析负荷运动畸变对预报精度的影响,仿真预报算例证实,人工神经元ＢＰ学习预报算法对工厂企业电力负荷的预报能得令人满意的效果。     

基于模糊组合权重的BA-SVM短期负荷预测

针对支持向量机(SVM)内部参数优化和输入量大、时间长效率低和相似日选取的问题,提出一种模糊组合权重下相似日选取的蝙蝠算法(BA)优化的支持向量机(SVM)短期负荷预测模型。相似日的选取上主要利用熵权法和加权欧氏距离的k-均值算法对影响负荷变化的因素、负荷各时刻的变化特性进行区别对待,求取二者在相似日下集合的交集,从而得到与待预测日相似度高的相似日。同时,利用BA优化后的SVM进行负荷预测,提高内部参数的选取精度和效率。将该模型与常用的PSO-SVM、GA-SVM进行比较,证明了该模型能有效提高预测精度和计算效率。 更多还原     

粒子群优化BP算法在短期负荷预测中的应用

电力系统短期负荷预测是电力系统调度运营和用电服务部门的重要日常工作之一,其预测精度直接影响到电力系统运行的安全性、经济性和供电质量。为提高预测精度,本文引入一种新型的群智能方法--粒子群优化算法,并将这种智能算法与BP算法相结合,形成了粒子群优化BP算法模型,建立了计及气象因素的短期负荷预测模型。通过具体算例将此模型与单纯的BP模型进行比较,结果表明:该算法具有较高的预测精度,完全能满足实际工程的要求。     

一种基于改进分类和回归树的神经元网络电力负荷预测方法

通过改进CART(分类和回归树)分类法选择训练样本,可以降低与预测日不一致负荷模式的影响,提高预测精度,并运用人工神经元网络预测下一天的96点负荷.主要包括3个部分.首先,运用CART分类法将输入空间分成若干矩形互斥区域,每一个区域对应一种负荷模式;其次,根据分类结果选取神经元网络的训练样本.最后,合理映射天气因素和日期、星期类型并进行预测.实际应用表明本方法对于大波动负荷地区能够改善预测精度,提高预测速度.     

电力系统负荷建模与预测的新方法

对电力系统辨识及参数预测中新兴方法的应用作了介绍，重点探讨了前向BP神经元网络在电力系统辨识及负荷预测中的应用。主要对电力系统动态负荷建模及中、短期负荷预测中所取得的国内外成果进行探讨。同时，对灰色理论模型进行电力系统长期预测的结果与传统方法进行对比分析。从而归纳出电力系统动态负荷及中期、短期、长期负荷预测的较理想方法。     

粒子群优化BP算法在电力系统短期负荷预测中的应用

为提高电力系统短期负荷预测的精度，引入一种新型的群智能方法——粒子群优化算法，并将这种智能算法与BP算法相结合，形成了粒子群优化BP算法模型，建立了计及气象因素的短期负荷预测模型．通过具体算例将此模型与单纯的BP模型进行比较，结果表明：该算法具有较高的预测精度，完全能满足实际工程的要求．     

基于神经网络的非线性预测函数控制

给出了一种新的神经网络多步预估器结构,建立了CSTR过程的人工神经元网络的动态模型,并在此基础上提出了基于人工神经元网络模型的非线性预测函数控制算法．给出了非线性预测函数控制的具体实施步骤．计算机仿真表明。人工神经元网络模型的精度已满足预测控制的需要。该控制系统比常规PID控制器具有更好的控制效果．     

利用人工神经元网络估算打入桩竖向承载力

阐述了人工神经元网络ＢＰ算法的模型，并通过实例运用ＢＰ网络算法估算了打入桩竖向承载力，实践证明，该模型准确性好，使用简单方便。     

基于BAGGING算法和BP神经网络的电力系统负荷预测

电力系统负荷预测关系到电力系统的控制和运行计划,精确的负荷预测有助于提高系统的安全性和稳定性,从而可以提高电力系统的经济效益。电力系统负荷预测问题具有的数据量大、影响因素多等特点,使用单个BP神经网络进行负荷预测时,预测结果随机性大、精度低。本文把BAGGING算法思想与BP神经网络相结合起来,通过生成一组BP神经网络模型,挑选最好的网络模型最为最终的预测模型,进行负荷预测,以提高负荷预测能力。     

利用回归和人工神经网络预测城市雨水径流总磷模型的有效性

利用人工神经网络(ANN),探讨在不无监测系统的集水区城市降水质量预测的适用性.预测使用常规的气候和地理数据集,通过构建背景传播的神经网络和回归联合模型,克服利用逐步回归的方法对数据进行分析时违背独立数据假设的问题.研究通过交叉验证用于确定停止降水时间为输入变量参数,利用地区平均浓度(EMC)作为独立的变量,构建的模型比用负荷量构建的模型更精确.数据域和输入变量的选择对回归模型的准确性也有较大影响.但计算效率、动量和隐节点数目的选择等因素,对人工神经网络模型准确性的影响较小.同时,回归和人工神经网络模型的降水质量预测结果十分相似,但在不无监测系统的集水区域城市降水质量的预测方面,回归模型更有实效性.     

离岸混凝土氯离子扩散系数的人工神经网络模型

为研究人工神经网络在离岸混凝土氯离子渗透中的应用,从已有文献中选用653组数据,建立网络结构为13-27-1的模型进行训练、预测。研究结果表明:人工神经网络能有效预测离岸混凝土中的氯离子扩散系数;水灰比,水泥、减水剂、外加剂(粉煤灰、矿渣、硅灰)、骨料的含量以及混凝土的抗压强度、养护机制、试验方法、暴露时间和暴露环境均会对氯离子扩散系数产生影响。     

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.     

考虑前期影响雨量的NLPM-AMN模型

建立了一种考虑前期影响雨量和采用人工神经网络的非线性扰动模型。模型结构与NLPM-API模型相似,不同之处在于采用人工神经网络模拟输入扰动项与输出扰动项之间的相互关系。采用牧马河和鲇鱼山水库流域的日降雨径流资料对模型进行了率定和校核。结果表明,所建模型与线性扰动模型、NLPM-AMN模型和NLPM-API模型相比,两个流域在率定期的模型效率系数增长幅度分别为10.84%,1.54%,10.6%和21.59%,0.67%,10.11%;在检验期的模型效率系数增长幅度分别为5.56%,0.97%,4.41%和11.86%,1.76%,7.97%。所有的评价指标均优于其他模型。     

载波通信中基于神经网络的谐波控制应用研究

在对载波通信干扰源进行总结的基础上,提出一种采用自适应和以人工神经网络为基础的方式抑制谐波电流的方法.人工神经网络保持更新和输入,其权重可通过BP算法调整,改变它的输出与输入自适应、神经模糊控制规则的成员变量和显示功能.在电磁兼容基础上使用有源滤波器和电源滤波器来实现电力线载波通信.     

多氯酚QSAR建模的人工神经网络信息流分析

针对目前采用人工网络（ANN）建模中存在的问题,以多氯酚的定量构效关系（QSAR）人工神经网络模型研究为基础,开展了ANN的信息流分析,对该网络的连接权值和阈值进行了分析、比较,找出了影响网络输出的稳含层的主要节点;并由这些隐含层节点进一步确定出主要输入层节点;经对网络内部信息传播与分配过程的分析,得到ANN模型信息流流径分布图。     

QSAR中ANN用于研究变量选择方法的回顾和比较

在定量构效关系（QSAR）建模中,人工神经网络（ANN）模型预测能力较好,但并不能提供化合物结构变量对活性影响的更多信息,因而被认为是个黑箱模型．以35种硝基化合物对黑呆头鱼96h的生物毒性为例,首次回顾和比较6种用于研究网络输入变量对输出相对贡献大小的方法．结果表明：ANN中引入变量选择的方法,大大增强了QSAR模型...     

两级热电单偶输出性能的三维有限元分析

针对以往研究中热电单偶一维传热模型的不足,提出了一种新型的两级热电单偶,对传统热电单偶和两级热电单偶分别建立三维有限元模型,确定模型的温度,对流换热和电势边界面,设定合理的边界条件,在ANSYS Workbench环境中进行仿真分析.应用控制变量法,研究不同输入变量对两种热电单偶各自输出性能的影响并进行比较分析.结果表明:负载值大小影响输出电压和电流,当负载值小于某个临界值时,两级热电单偶的输出电压和电流优于传统热电单偶,而最大输出功率始终大于传统热电单偶.     

基于神经网络逆模型的过热汽温补偿控制研究

为改善大型电站锅炉的过热汽温控制效果,提出一种基于人工神经网络扩展逆系统模型的过热汽温补偿控制方案.首先结合锅炉的结构和运行特性,分析影响过热汽温的主要因素,确定神经网络逆系统扩展模型的输入和输出参数.借助MATLAB神经网络工具箱建立过热汽温系统的动态逆过程模型(IDPM),运用历史运行数据完成神经网络模型的训练.以...     

基于模糊集的电力系统神经网络负荷预报研究

提出了电力系统短期负荷预报基于模糊集的神经网络方法 .该方法计及了天气和日期特征量 ,具有训练时间短预测精度高的特点 .采用两种学习算法 ,依据模糊集概念用某地区电网实际数据建立样本集后 ,对ANN进行了训练 ,通过分析比较得出了优化模型 .计算事例表明用该方法是可行和有效的