一种改进的RBF网络在电力系统短期负荷预测中的应用

针对径向基函数网络在电力系统负荷预测中隐含层节点数难求问题,提出一种改进的RBF神经网络,采用最近邻聚类学习算法自适应的调整径向基函数中心的宽度值和权值,可提高收敛速度和精度。实例仿真结果证明有效性和可行性,为电力系统负荷预测提供了一种新途径。     

基于RBF的级差矿利模型构建

本文给出了影响级差矿利的因素指标体系 ,构思了求解级差矿利模型的结构 ,分析研究了样本空间 ,并以径向基函数网络为手段求解模型 ,为级差矿利的计算提供了一种新思路     

基于模糊聚类径向基神经网络的煤质分析模型

为了实现煤炭指标的快速智能预测,建立了基于模糊聚类的径向基函数(RBF)神经网络预测模型,将已测定的收到基全水、收到基灰分、收到基挥发分和收到基全硫的含量作为分类指标进行模糊聚类,根据分类结果分别建立了基于径向基函数神经网络的定量分析模型,对干燥无灰基挥发分、空干基全硫、收到基低位发热量和空干基高位发热量进行了预测,并与直接使用径向基神经网络模型进行比较。结果表明,该分析模型不仅精度高,且泛化能力强,鲁棒性好。     

品位估值的自适应径向基神经网络构建技术

在简要分析常用储量计算方法与BP神经网络预测方法存在缺陷的基础上,分析了径向基神经网络隐层节点参数在映射机理上与地质统计学方法理论上的一致性,以及其权系数能解析方式求解、可避免网络训练过程陷入局部最优乃至不收敛现象的特征,提出了构建径向基函数神经网络进行矿床品位估值模型的研究思路。通过多方案分析,得出了待估点三维坐标及周围样品点个数是影响径向基函数神经网络模型估值精度的主要因素,给出了输入节点变量空间的基本配置方式--3个坐标加周边8个样品点品位。针对实际工程中样品空间较大的特征,分析了隐层中心、宽度等参数需根据输入变量自适应构造的必要性,以及利用正则化正交最小二乘的前向选择法的可行性。利用开发的具备用户自定义和交互式输入参数的计算机软件,构造了两种不同的品位估计模型。验证试验表明：基于样本空间自适应构建的径向基函数神经网络,建模速度快、可靠性强,平均估值误差最大为309%,且正则化参数对模型的估值精度影响较大,考虑了该参数的模型估值效果更好。     

基于RBF的级差矿利模型构建

本文给出了影响级差矿利的因素指标体系，构思了求解级差矿利模型的结构，分析研究了样本空间，并以径向基函数网络为手段求解模型，为级差矿利的计算提供了一种新思路。     

基于神经网络的光纤矿用监控网络的研究

基于当前煤炭工业监控网络的现状,提出一种基于人工神经网络RBF(径向基函数神经网络)的光纤网络监控方案,对更好地实现矿用监控网络的智能化管理,具有一定的实用性.     

基于神经网络非确定性工程的造价估算

提出了一种更有效的前向网络 -径向基函数 (RBF)神经网络 ,并考虑了工程项目中一些非确定性的因素 ,建立了工程造价的估算模型 ,所得到的结果更加精确。     

基于神经网络非确定性工程的造价估算

提出了一种更有效的前向网络-径向基函数(RBF)神经网络,并考虑了工程项目中一些非确定性的因素,建立了工程造价的估算模型,所得到的结果更加精确.     

基于遗传算法和神经网络相融合的异步电动机故障建模

分析了异步电动机正常运行及有故障迹象时异步电动机外部特征和内部参数的变化规律,找出了需要采集的信息和需要辨识的参数,针对神经网络的原理和结构进行了探讨和综合,通过分析各网络的特点并结合具体的应用要求,选择了函数逼近功能较强、结构又相对简单的径向基神经网络,并在网络参数的训练上引入遗传算法,使系统的智能化水平得到进一步提高,通过仿真对提出的理论方法进行了验证。     

基于RBF神经网络的露天边坡优化设计方法

建立了岩质边坡稳定性定量评价的径向基函数(RBF)神经网络模型,避免了BP网络收敛速度慢的不足。提出了基于RBF神经网络的露天边坡优化设计方法,并将其应用于水厂铁矿边坡优化设计中,取得了良好的效果。     

基于径向基函数方法的地下水数据自动生成

将径向基函地应用于地下水模拟插值数据的自动生成，通过实例说明了该方法较克里格等方法具有逼近效果好与实用性强的优点。以径向基函数法为核心，利用VC^ 编程环境及MAP－GIS的二次开发接口完成了自动生成模块的程序设计。模块适用于MAPGIS环境下地下水计算中各种网格剖分结点插值数据的自动生成与可视化。     

基于神经网络的电网建设需求智能估算模型研究

针对各省级电网建设需求的复杂非线性,非平稳性特征以及地域间差异性特点,提出一种基于系统聚类分析（Hierarchical Cluster Analysis,HCA）与径向基（Radial Basis Function,RBF）神经网络的省级电网建设需求估算模型。该模型利用系统聚类分析方法对省级电网建设需求进行聚类分析,将分析得到的不同类别省份数据作为径向基神经网络的训练样本,挖掘各类别数据中所蕴含的规律,建立了考虑数据差异化特质的预测模型。运用国家电网公司所辖24家省级电网所在地区的相关历史数据,开展了实证研究,算例结果证实了本文所建预测模型的实用性和有效性。     

基于RBF神经网络的煤矿瓦斯涌出量预测

煤矿瓦斯涌出量预测是矿井安全中的一个关键和热点问题。煤矿瓦斯涌出量涉及很多因素,例如日产量、日进度、煤层厚度、煤层间距、煤层深度等,瓦斯涌出量预测是一个非线性问题。径向基神经网络是目前应用非常广泛的一种局部神经网络模型,在函数回归、序列预测中具有很好的应用效果。文中提出了将径向基神经网络用于预测煤矿瓦斯涌出量的想法,并分析了可行性。     

基于粒子群优化RBF神经网络的液压钻机故障诊断

提出了一种基于粒子群优化径向基神经网络的液压钻机故障诊断方法。该方法使用虚拟仪器及LabVIEW软件对液压钻机的特征信号进行采集,利用粒子群优化算法对径向基神经网络的径向基中心值、宽度以及权值进行优化,实现了液压钻机的故障诊断。结果表明,基于粒子群优化径向基神经网络的液压钻机故障诊断方法在小样本情况下,诊断准确率高,实用性强。     

RBF神经网络在往复泵故障诊断中的应用

论述了RBF神经网络的基本网络结构和网络的学习及运行过程,结果表明:RBF神经网络具有极快的学习收敛速度。讨论了RBF神经网络在往复泵故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率。     

基于人工智能的矿井主通风机建模研究

矿井主通风机风量、风速等参数与瓦斯浓度及其它工况密切相关,参数复杂,建立其非线性数学模型比较困难,传统的辨识方法无法精确描述模型特性,文章将神经网络和模糊系统应用于矿井主通风机的模型辨识。神经网络辨识采用了一种基于径向基(RBF)的神经网络、模糊辨识采用了一种基于三角形隶属函数的T—S模糊模型。仿真结果表明,这两种方法可以同时满足对辨识精度、收敛速度、稳定性和跟踪能力的要求。     

尾矿坝监测数据分析的RBF神经网络方法

尾矿坝监测是保证尾矿坝安全运行的重要手段之一。建立了尾矿坝监测数据分析的RBF神经网络模型，并利用实际数据对此网络进行了训练和检验。最终将其检验结果与经过优化设计的BP神经网络的检验结果进行了比较，表明RBF神经网络的性能更为优越。     

市级国土资源管理信息系统功能设计

国土资源信息系统是我国国土资源管理实现现代化、信息化与网络化的基础。结合当前国土资源实际工作的情况，阐述了建设一个市级国土资源管理信息系统的原则和基本功能设计，并提出了详细的子系统的划分与模块功能的设计方案。     

GA-SVR算法在矿区GPS高程拟合中的应用

针对矿区地形条件复杂,常规水准测量工作量大、时效性差的问题,基于统计学习理论,提出利用支持向量回归算法计算高程异常精化似大地水准面,将GPS高程应用到矿区快速水准测定。采用基于遗传算法的全局搜索优化支持向量回归训练参数,解决了回归模型训练中人为选取参数的盲目性,提高了算法的泛化能力和回归精度。最后采用矿区实测数据,对比多项式拟合、径向基神经网络计算高程异常,结果表明：基于遗传算法的支持向量回归算法结构简单,回归精度优于多项式拟合和径向基神经网络,可以应用于矿区GPS高程拟合。