共查询到10条相似文献,搜索用时 15 毫秒
1.
空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型,传统方式难以实现准确、快速地预测空调系统动态负荷。人工神经网络具有高度的非线性运算能力和很强的容错能力,其中最为广泛的是前馈神经网络和采用误差反向传播算法来计算网络权值。本文讨论当误差不为零或者不为线性函数,即二阶项s(w)不能忽略时的Hesse矩阵的近似计算,进而训练网络。研究结果表明,用该种神经网络预测空调负荷和计算的结果会较好地吻合。 相似文献
2.
介绍了用于生长SiGe材料的 3UCVD设备的简要情况。对 3UCVD工艺系统构建了神经网络模型 ;基于误差反向传播 (BP)学习算法设计了一种自动调整网络结构和训练精度的网络训练方法 ;利用 3UCVD工艺实验的数据样本编制程序 ,对数据样本进行了训练拟合 ;并利用训练后的网络进行了工艺预测 ,网络预测的结果和实验结果符合良好 相似文献
3.
3UCVD SiGe工艺的神经网络模型 总被引:1,自引:0,他引:1
介绍了用于生长SiGe材料的3UCVD设备的简要情况。对3UCVD工艺系统构建了神经网络模型;基于误差反向传播(BP)学习算法设计了一种自动调整网络结构和训练精度的网络训练方法;利用3UCVD工艺实验的数据样本编制程序,对数据样本进行了训练拟合;并利用训练后的网络进行了工艺预测,网络预测的结果和实验结果符合良好。 相似文献
4.
目的 为了改善传统机器检测印刷产品缺陷存在误费率高的不足。方法 提出以卷积神经网络为控制核心的印刷品缺陷检测系统。设计可在实际检测中应用的卷积神经网络,设计在线印刷质量检测系统的硬件结构。结果 对结构相同而训练次数、学习率不同的卷积神经网络进行了缺陷检测的性能对比,验证了该卷积神经网络在学习率小于0.01时,可以获得较好的识别效果;在学习率大于0.05时,网络不容易收敛。网络训练次数越多,精度越高,相应的训练时间也较长。在满足快速性和精确度的条件下,确定了适应某印刷品的缺陷检验网络训练次数为50,学习率为0.005,此时的识别率为90%。结论 经过实验证明,该检测系统具有良好的缺陷识别能力,缺陷类型的分类准确率较高。该系统具有一定的实用价值。 相似文献
5.
6.
7.
8.
为解决短期电力负荷预测模型中迭代训练过程的误差累积,预测结果精度低的问题,基于双向门控循环单元(BiGRU)在短期电力负荷预测中的理论基础,在BiGRU的底层结构上进行改进,并对预测过程中产生的误差进行补偿,提出一种基于SRDHLGRU神经网络和差分误差补偿的短期电力负荷预测方法。第一阶段,建立堆叠的反向双层高低级门控循环单元(SRDHLGRU)网络模型,得到模型预测过程中产生的误差序列。第二阶段采用差分分解(DD)方法将第一阶段产生的误差序列进行一阶前向差分得到误差变化量序列,再次建立SRDHLGRU模型进行训练和预测,从而对第一阶段结果进行误差补偿。结合西部某市负荷数据集,基于Python算法开展短期电力负荷预测的仿真,对比几种主流预测算法,仿真结果表明该组合模型的预测精度和稳定性比传统模型都有一定提升。 相似文献
9.
由于中央空调系统的时滞性、时变性、非线性和大惰性等特性,使得当前采用的中央空调负荷预测算法精度并不高,本文在江阴某楼宇空调系统节能改造项目的基础上,从中央空调系统的组成和特性出发,提出了基于支持向量回归机(Support Vector Regression SVR)理论的中央空调负荷预测模型。对项目楼宇历史负荷数据进行分析,分别采用SVR负荷预测模型和BP神经网络负荷预测模型进行了训练和预测。预测结果表明:基于SVR负荷预测模型较BP神经网络负荷预测模型精度更高,具有较强的实用性和可行性。 相似文献