CFNN在多传感器图像数据融合中的应用

提出一种补偿模糊理论和神经网络的混合系统(CFNN),并将其应用于多传感器数据融合,力图以此提高多传感器图像数据融合算法的性能.CFNN混合系统引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.文中介绍了图像数据融合的数学模型,并详细阐述了CFNN图像数据融合算法.仿真实验证明,CFNN图像融合算法能显著提高图像数据融合质量.     

面向特大地震灾害的应急物资分类研究

在特大地震灾害中,应急物资是否能够准确高效地运送至需求点是开展应急救援工作的的关键,但是目前我国的应急物资管理中存着应急物资分类标准不统一、分类体系扁平化的问题。为了提高应急救援工作的效率,本文在分析了国内现有应急物资分类的基础上,提出了多维度的应急物资分类的改进方法。     

基于主成分聚类分析的军事物资应急配送需求分级研究

为提升军事物资应急保障效益,科学做出调运决策,通过分析军事物资应急配送需求分级影响因素,构建军事物资应急配送需求分级评价指标体系;利用主成分聚类分析方法对评价指标进行简化,得出军事物资应急配送需求分级主成分值及物资分级结果.实例表明,该方法在军事物资应急配送需求分级上,具有较高的准确性和较好的可行性.     

一种基于补偿模糊神经网络的水质预测方法

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节.介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型.实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用.     

计及潜在道路和修复时间不确定性的电力应急物资输送路径优化北大核心

现阶段应急物资输送路径规划尚未充分利用现场道路资源,并且考虑破损道路抢修时对路障清理时间估算的方法不科学,估算结果准确度不高并且鲁棒性较弱,为此提出一种计及潜在道路和修复时间不确定性的电力应急物资输送路径优化方法。首先,基于单兵轨迹信息提出计及潜在道路的应急增广电子地图生成方法,然后基于增广电子地图,并考虑物资输送过程中对破损道路开展抢修工作,以期望通行时间最短为主要目标、路径长度最短为次要目标建立电力应急物资输送路径优化模型,同时提出基于模糊理论的路障修复时间估算和物资输送路径期望通行时间计算方法,并利用改进遗传算法对模型进行求解,最后通过算例验证了所提方法和模型的正确性和有效性,同时对比分析了潜在道路、修复时间不确定性和破损道路抢修对规划结果的影响,为灾害前期通信能力受限的场景下进行物资输送路径规划提供理论和技术参考。     

基于直觉模糊案例推理的应急物资需求预测模型

应急物资需求预测是应急物流管理的重要内容,是影响应急救援效果的关键环节,加强应急物流预测方法研究,对提升我国应急物流管理水平,提高突发事件的应急保障能力和应对效果具有重要现实意义和理论研究价值.为了提高预测精度,基于应急物资需求预测的特点,引入直觉模糊集来描述案例的不精确属性.在定义直觉模糊集的相似度基础上,构建了源案例的特征因素矩阵,提出了基于模糊案例推理的应急物资需求预测模型,通过算例分析验证了该方法的有效性.     

城市突发事件下的应急物资配送路径寻优

针对城市突发事件环境下的应急物资配送车辆行驶路径寻优问题,分析城市道路拥堵状况对于救援车辆行驶速度的影响。以车辆到达待救点的时间和行驶成本最少为目标,构建双层规划路径寻优模型。为提高全局搜索和局部寻优能力,采用一种改进的两阶段式萤火虫算法。算例结果表明所提出的模型和算法可有效解决城市突发事件下的应急物资配送问题。     

基于IACO-BP算法的洪涝灾害应急物资需求预测

为了提高洪涝灾害应急物资需求预测的准确性,提出了一种改进蚁群优化BP神经网络智能算法.以受灾转移人数为预测对象,选取受灾人口、最大降雨量、洪水等级、降雨等级、受灾范围、房屋倒塌数、降雨时长和预报水平等洪涝灾害指标为研究因素,获得基于IACO-BP算法的受灾转移人数预测模型.结合库存管理知识间接预测洪涝灾害应急物资需求量.结果表明:IACO-BP算法获得预测值的均方误差比BP和PSO-BP算法获得的均方误差分别小93.62%和90.91%;IACO-BP、PSO-BP和BP网络运行时间分别为3、10和33 s;IACO-BP算法具有更高的精度和网络迭代效率.     

基于标度拓展的AHP模型下电力企业应急配送选址研究

电力企业的应急物资管理是电力行业中应急体系的重要组成部分,极大的影响着社会生产和人们的生活,而应急物资管理首先要解决的就是选择合适的物资配送中心,最大限度的保障受灾地点的物资供应.本文以标度扩展的层次分析法为基础,不仅可以提高判断矩阵的可靠性,而且还可以应用到电力企业应急物资配送中心选址问题中,选择出经济成本最低,物资短缺最小化的配送中心.     

气象灾害条件下电网应急物资预测方法

为提高电网应急物资调配响应速度和电网抢修效率,提出一种案例推理与深度学习相结合的电网气象灾害条件下的应急物资预测方法.以气象信息、电网设备数据和地理环境数据为输入信息,利用案例推理方法确定预测模型输入、输出结构,并根据不同输入信息的特点进行处理和量化,利用深度置信网络完成案例适配,综合事故规模信息建立动态电网应急物资预...     

改进补偿模糊神经网络在坡面产沙模拟预报中的应用

土壤侵蚀产沙是一个极其复杂的物理过程,其物理机理十分复杂,往往难以用数学方式来描述.根据土壤侵蚀过程内在特点,采用一种改进的补偿模糊神经网络(CFNN)方法,对坡面侵蚀产沙过程进行了预测研究.利用四川某水土保持实验站观测数据,通过MATLAB语言编制程序进行了仿真试验, 全局误差为0.0517,预测值与实测值吻合良好,误差小于10%.结果表明,该方法预报精度较好,为坡面产沙模拟模型的建立提供了重要的参考方法.     

基于综合算法的补偿模糊神经网络建模方法

针对常规模糊神经网络和补偿模糊神经网络的不足,提出了一种综合聚类算法和梯度下降法的补偿模糊神经网络。该网络的学习分为两步:结构辨识和参数辨识。在结构辨识中,采用关系度聚类方法,自动地划分输入/输出空间,确定模糊规则的数目及每条规则中前提部分和结论部分的初始参数,即构造一个初始模糊模型;在参数辨识中,采用具有五层结构的补偿模糊神经网络,并根据梯度下降法调整所建的初始模糊模型参数,使其具有更高的精度。通过对一非线性系统的建模,仿真结果表明,该网络在建模精度和收敛速度上均优于常规模糊神经网络和补偿模糊神经网络。     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络（DFNN）的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯（CHP）分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型（CFNN）.     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

模糊综合评价方法在变电站通信网络状态检修中的应用

针对变电站通信网络系统的复杂性,并难以进行精确的状态评价这一问题,应用模糊数学理论,结合变电站的实际情况和发展趋势将通信评价系统根据需要分成若干个指标,建立了因素集、评价集,在此基础上,采用岭形分布作为隶属函数,并利用层次分析方法量化权重,提出了采用模糊综合评价方法来实现对变电站通信网络状态的综合评价.实例表明:模糊综合评价方法可操作性强,效果较好,可在变电站二次设备状态检修中广泛应用.     

General Fuzzy Min-Max神经网络的改进与应用

针对General Fuzzy Min—Max(GFMM)神经网络不能自适应学习新类的缺陷，提出了一种基于该网络的无师训练改进算法。它一方面继承原GFMM网可以处理模糊输入量的优点．重构了网络中的模糊隶属度函数：另一方面结合ART2神经网络无师学习的特点．引入了网络警戒门限和运行状态切换控制。改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力．并展现出了良好的并行处理性能。自动目标识别中的应用结果表明：该网络具有广泛的实用性     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力,改善了控制系统的性能.     

配电网综合评估体系的研究

配电网综合评估体系的研究是提高配电网建设改造管理的现代化科学化水平,深化电网改造工作的一个重要环节.以网络综合费用最小为目标函数,应用改进蚁群算法从诸多可行解中找出一组较好的解作为评估对象,以经济性、载荷率、网损、网络可靠性、短路电流水平等为评估指标,建立了基于模糊模式识别理论的综合评估体系.