混沌神经网络在地表水资源量预测中的应用

为了有效地揭示水资源系统复杂的非线性结构及变化规律,对具有混沌特性的水资源时间序列重构相空间,计算出相空间的饱和嵌入维数和最大Lyapunov指数,并以此为指导,提出一种适用于高精度逼近和泛化建模的混沌神经网络的学习算法,运用混沌方法构造训练样本及确定神经网络的网络结构,用神经网络拟合相空间相点演化的非线性关系,建立混沌神经网络预测模型。实例表明,该模型有较高的预报精度。     

基于神经网络的水轮机调节模型辨识

针对复杂的水轮机调节系统辨识问题,首先分析水轮机调速器特性,建立通用水轮机调速器模型,并采用PRBS信号仿真其动态特性,进而基于神经网络理论,开展水轮机调速系统辨识分析。研究表明,辨识得到的参数与待辨识参数的误差较小,网络输出与实际系统输出的差值也较小,因此用BP神经网络进行水轮机调节模型辨识是可行的。     

基于BP神经网络土体自由膨胀率的模拟研究

土体的膨胀性与其物理力学指标有着密切关系,但它们的关系是非线性的、复杂的,难以用传统的方法进行模拟.BP神经网络以其良好的非线性映射能力而成为应用最广泛的一种神经网络模型.结合南水北调中线工程,取南阳地区土样作样本,以BP神经网络模拟土体自由膨胀率与物理力学指标的关系.模拟计算结果与试验值基本吻合,精度较高.对于没有做土膨胀试验的地区,可以将土样物理力学指标输入训练好的BP神经网络,以判别土样是否为膨胀土.     

基于神经网络模型的母线保护

提出了一种基于神经网络模型的母线保护。将母线上各电流互感器的不同特性全部放入到神经网络中，并将从各电流互感器获得的同步采样电流值作为神经网络的输入。依据获得的各个同步采样电流值对神经网络模型参数进行有指导性的自适应学习估计，在不同情况下估计出神经网络模型的最佳模型参数,即形成了一套完整的母线保护神经网络模型。依据这一方法估计出的神经网络模型，可区分不同情况下的母线内部故障和外部故障。     

改进型LM-BP神经网络在水质评价中的应用

为了克服传统BP神经网络在水质评价中的不足,利用双极性S型函数输出可为正或负的特性以及LM算法具有梯度下降法的全局特性和高斯-牛顿的局部特性,对BP神经网络法进行改进,提出了基于双极性S型函数的改进型LM-BP神经网络模型的水质评价方法。应用结果表明,将此网络模型应用于水质评价是有效的、可行的。与其他评价方法相比,评价结果更加客观、合理。改进后的算法收敛速度较快,预测精度很高,为水质评价提供了一种新方法。     

考虑渗流与应变耦合的土坝渗透参数识别方法

土石坝在长期运行过程中,坝体结构形态会不断进行调整,因此对大坝渗透特性进行反演时考虑流固耦合效应是必要的.通过对大坝应力场和渗流场的耦合机理分析,研究了渗流场与应变场的耦合效应.将遗传算法和神经网络相结合,用遗传算法优化神经网络连接权值,所建立的遗传神经网络具有较快的训练速度和较强的泛化能力.将流固耦合理论、BP神经网...     

膨胀土自膨胀率预测中的两种分析方法

通过建立一种模型对自由膨胀率进行预测.膨胀土自由膨胀率预测分两个阶段:①合理选择判别指标;②用选取的指标建模.人工神经网络具有高度的非线性映射能力,通过样本的学习,实现输入与输出之间的非线性映射.然样本指标的选择会影响神经网络的学习能力,从而影响最后结果预测的准确有效性.通过结合南水北调东线一期工程-刘老涧站土样作样本,采用回归分析选取最优判别指标及采用BP神经网络预测膨胀趋势相结合,比单纯采用BP神经网络或回归分析结果更准确,具有可推广性.     

短期电力负荷预报的自适应模糊神经网络方法

提出了一种新的电力负荷预报法——自适应模糊神经网络方法，该自适应模糊神经网络 推理系统具有类似 于神经网络的结构，并应用了一种混合的自适应学习算法。在此基础上， 研究了该方法在电力负荷预报中 的应用并与神经网络方法作了比较。实例表明，本文提出的 自 适应模糊神经网络电力负荷预报方法具有可 靠、鲁棒和快速等特点，优于神经网络电力负荷 预报方法，更适用于电力系统能量管理系统的实时环境。     

基于BP神经网络的隧洞围岩分类

为了检验BP神经网络在隧洞围岩分类中的可行性,利用BP神经网络模式识别的特性,构建了隧洞围岩分类的神经网络模型。以30组实测数据作为神经网络的学习样本,7组实测数据验证神经网络的工作性能,BP神经网络输出的分类结果与实际的分类结果完全一致,表明训练良好的BP神经网络可以用于工程实践中的隧洞围岩分类。     

神经网络智能PID控制及其在水轮机调速器中的应用

对神经网络控制在水轮机调节中的应用进行理论分析,将基于BP神经网络的PID控制器和模型辨识神经网络应用于水轮机频率扰动仿真试验中,结果表明具有较好的动、静态特性和较强的鲁棒性,为神经网络在水轮机调速器中的应用打下理论基础。     

求解复杂工程优化问题的一种实用方法

本文将遗传算法与神经网络相结合，构成ＧＡ－ＡＮＮ法，协同求解复杂工程中的优化问题．该法既利用了神经网络的非线性映射、网络推理和预测的功能，又利用了遗传算法的全局优化特性，可广泛地应用于目标函数难以用决策变量的显函数形式来表达的众多复杂工程问题中．     

基于BP神经网络的水泵全特性曲线拟合

介绍水泵全特性曲线绘制的一般方法，提出利用BP神经网络绘制全特性曲线的方法。通过在MATLAB仿真软件上的仿真，得出了神经网络完全可以很好地拟合水泵全特性曲线的结论。图1幅。     

水轮机空化特性的人工神经网络模型

本文针对水轮机空化特性相对应的空间曲面比较复杂的特点，用径向基函数神经网络建立水轮机空化特性模型，对样本的学习采用Levenberg-Marquardt算法。该模型应用于四川紫坪铺水力发电厂中的水轮机空化特性研究。模拟计算结果与试验结果的比较表明，本文给出的模型能真实地表达水轮机的空化特性，可以在水轮机的计算机辅助选型设计和水轮发电机组的优化运行分析等方面应用。     

基于神经网络的岩爆分级预测

为了检验神经网络在岩爆预测分级中的可行性,利用神经网络的模式识别特性,构建了岩爆分级预测的神经网络模型.以13组实测数据作为神经网络的训练样本、5组实测数据作为测试样本验证神经网络的工作性能.验证结果表明,神经网络的岩爆分级预测结果与实际结果完全一致,表明训练良好的神经网络可以用于工程实践中的岩爆分级预测.     

基于GA的BP神经网络智能PID控制在水力发电机组中的应用

水力发电机组是一个非线性、时变系统,常规PID控制不能达到较好的控制效果。提出了一种基于GA遗传算法、BP神经网络和RBF神经网络的智能PID控制方法。分别讨论了智能控制系统的结构,如GA,BP,RBF以及水电机组的数学模型;对水电机组采用智能PID控制器和常规PID控制器的动态特性进行分析。结果表明,采用智能PID控制器的水电机组具有更好的控制精度和动态特性。     

基于PCA-BP神经网络的水电站库区边坡稳定性分析

为检验神经网络在水电站库区边坡稳定性预测的可行性，通过结合原始数据PCA及神经网络的模式识别特性，构建神经网络模型，对38组实测数据进行PCA处理，选取32组数据作为神经网络输入端数据、6组数据验证神经网络的工作性能。结果表明，神经网络对水电站库区边坡稳定性模式识别率达到83.3%。训练良好的神经网络可以用于工程实践中的水电站库区边坡稳定性预测。     

基于BP和RBF神经网络的水轮机综合特性曲线的拟合

关于大波动过渡过程中水轮机特性曲线的处理有很多种方法,其中有用神经网络方法来训练相关数据形成网络从而预测待求数据点,其中BP和RBF两种网络为较为常用的神经网络方法。本文通过学习Matlab中神经网络工具箱的调用,比较分析了BP和RBF两种神经网络在水轮机特性曲线拟合上的区别,试图找出BP网络隐含层神经元个数对其拟合精度的影响,以及随着其神经元个数增加而拟合度增加的情况。     

基于BP神经网络在白洋淀水质综合评价中的应用

选用2012年为现状年,应用BP神经网络建立白洋淀水质综合评价模型,用训练好的BP神经网络模型对白洋淀各监测断面的水质现状进行类别评价。结果显示,与单因素评价法相比,BP神经网络法是一种更加客观、有效和实用的环境质量评价方法。     

基于MATLAB的Elman神经网络在大坝位移预测中的应用

根据MATLAB的Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力，提出了一种利用：Elman神经网络建立大坝位移预报模型的方法。通过实例比较Elman模型与BP模型的预测效果，结果表明，所建立Elman神经网络模型不仅收敛速度快，且其预测精度高于BP网络模型。利用MATLAB神经网络工具箱能使工作者从繁琐的编程中解脱出来，有效的提高工作效率。     

大坝观测数据的模糊神经网络分析

针对某一混凝土重力坝水平位移实测值建立模糊神经网络预报模型，用改进的这传算法对参数进行调整和优化，并用自组织竞争神经网络来优化换糊神经网络结构。计算结果表明，其预报精度优于常规的统计回归模型。