基于灰色BP神经网络的实验材料供应预测

针对单一BP神经网络对实验器材需求量预测准确度偏低的情况,提出了一种将灰关联分析与BP神经网络相结合的实验材料需求预测模型。先用灰关联分析法计算出影响需求量的各因子之间的关联度,然后选择关联度较大的3个优势因子作为BP神经网络的训练样本,建立了3层BP网络预测模型。以某实验材料的实际需求量为实例进行算法检验,对比分析了灰色BP网络模型和单一BP网络模型的预测准确性。实验结果表明：灰色BP网络模型将原有6 10 1的BP网络结构简化为3 6 1结构,灰色BP网络模型预测的最大相对误差仅为-1.36%,而单一BP网络模型的预测最大相对误差为-4.18%,灰色BP模型比单一BP模型的预测精度更高,结构更简单。     

上网电价预测中运用修正神经元输出函数对BP模型动态修正的探索

阐述了人工神经网络模型的基本原理,研究分析了BP神经网络模型非线性特性差和对实际情况反应"迟钝"等缺陷,提出了通过修正神经元输出函数对BP神经网络模型进行动态修正的优化方案,从而提高了BP神经网络模型的收敛速度.在此基础上,将修正后的BP神经网络模型引入到上网电价的预测中.模拟运行结果表明,修正后的BP神经网络模型可以更好地适应发电厂报价的复杂环境.     

上网电价预测中运用修正神经元输出函数对BP模型动态修正的探索

阐述了人工神经网络模型的基本原理,研究分析了BP神经网络模型非线性特性差和对实际情况反应"迟钝"等缺陷,提出了通过修正神经元输出函数对BP神经网络模型进行动态修正的优化方案,从而提高了BP神经网络模型的收敛速度。在此基础上,将修正后的BP神经网络模型引入到上网电价的预测中。模拟运行结果表明,修正后的BP神经网络模型可以更好地适应发电厂报价的复杂环境。     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

基于自适应差分进化和BP神经网络的光伏功率预测

针对光伏功率的波动性和间歇性,通过分析光伏发电的影响因素,建立了基于自适应差分进化和BP神经网络的光伏功率预测模型.该模型利用自适应差分进化算法优化BP神经网络的权重阈值,克服了BP算法收敛速度慢、容易陷入局部极值的缺点.利用光伏电站的历史数据和气象观测站的气象数据,对预测模型进行训练和光伏功率预测.结果表明,基于自适应差分进化和BP神经网络的模型预测精度高于BP神经网络模型,验证了所提模型和算法的有效性和可行性.     

在电力通信预警中优化的BP神经网络模型研究

阐述了当前电力通信预警中存在的问题和常用算法,针对在电力通信预警中,BP神经网络模型存在易陷入最小值、收敛速度慢的问题,提出了一种应用遗传算法对BP神经网络模型的初始权值和阈值进行优化的方法。选取52节点典型电力通信预警模型,分别对传统BP神经网络模型和遗传算法优化网络模型进行仿真试验。经过遗传算法优化的BP神经网络模型收敛速度快、拟合精度高,能够有效提高电力通信预警的反应速度和响应准确度。     

遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算

本文针对BP神经网络收敛速度慢和易于陷入极小值的问题，采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法，提高了BP神经网络的计算精度和收敛速度。应用该模型和一般BP神经网络模型对汛期三门峡水库的泥沙冲淤量进行了计算和预测。数值结果对比发现，经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时，迭代次数比一般BP神经网络模型也大大减少。因此适用于求解如计算水库泥沙冲淤量等非线性问题。     

小波变换与BP神经网络耦合的洪水预报方法

为了发掘小波变换与BP神经网络相耦合在洪水预报中的应用价值,提出了基于小波变换和BP神经网络耦合的洪水预报方法.根据小波变换与BP神经网络耦合方式的不同,分别构建了两种结构的网络模型:松散耦合与紧致耦合模型,并利用实测流量时间序列分别对这两种模型进行了训练与验证.计算结果表明,两种模型的预报效果与3层常规BP神经网络相比均得到了不同程度的提高,松散耦合模型的预报效果总体上最优.小波变换与BP神经网络相耦合在洪水预报方面有良好的应用前景.     

变压器温升人工神经网络预测技术

介绍BP神经网络模型和算法，建立了变压器绕组温度预测的人工神经元网络BP模型，并验证了其可行性和优越性。     

基于改进BP神经网络的短期电力负荷预测方法研究

针对短期负荷预测精度低、准确性差等问题,将猫群算法CSO和BP神经网络相结合用于短期负荷预测,模型的输入因子是负荷数据和气象信息等,利用猫群算法对BP神经网络的权值和阈值进行优化,得到BP神经网络预测模型的最优解,建立了短期预测模型。通过实例验证了预测模型的有效性和有效性,结果表明,改进模型能够有效降低BP神经网络模型的预测误差,提高预测精度,为我国电力系统短期负荷预测的发展提供了参考和借鉴。     

基于遗传神经网络的太阳能集热器仿真研究

提出神经网络和数学模型相结合的方法建立太阳能集热器神经网络模型,并采用遗传算法对太阳能集热器神经网络模型进行优化,用以提高仿真模型的预测精度。在热管式真空管太阳能集热器实验数据的基础上,构建反向传输神经网络模型和遗传算法-反向传播神经网络模型,应用数学模型、反向传输神经网络模型和遗传算法-反向传播神经网络模型进行仿真计算,结果表明遗传算法-反向传播神经网络模型的计算精度高于数学模型和反向传输神经网络模型。同时该建模方法应用于太阳能集热器仿真,既提高了仿真模型的计算精度,又提高了仿真模型的通用性。     

基于人工鱼群神经网络的抽油机故障诊断

BP神经网络应用于抽油机的故障诊断时易陷入局部极值,同时收敛速度也无法保证。在此前提下,提出人工鱼群神经网络算法的抽油机故障诊断新方法,充分利用人工鱼群在全局范围的快速寻优特性以克服BP神经网络收敛速度较慢和易陷入局部最优解的缺点,从而提高故障诊断的准确率和速度。以抽油机的管漏、供液不足、杆断脱、泵漏失、气影响五种故障类型为例,利用MATLAB分别搭建了传统BP神经网络和人工鱼群神经网络的模型,并对两种方法的诊断结果进行了比较。仿真结果充分说明了人工鱼群神经网络在抽油机故障诊断中的可行性、准确性和优越性。     

风电场风速的神经网络组合预测模型

针对BP神经网络、RBF神经网络和粒子群BP神经网络在风电场风速预测中存在的问题,提出一种基于遗传算法优化神经网络的风速组合预测模型.该模型为单输出的3层前馈网络,将3种神经网络的预测结果与预测结果平均值作为神经网络的输入,将实际风速值作为神经网络输出,使学习后的网络具有预测能力.该模型能降低单一模型的预测风险,提高预...     

改进的BP网络在深层搅拌桩承载力计算中的应用

编写了改进的BP网络模型的训练程序 ,提出了用人工神经网络模型对复合地基承载力进行计算的新思路。实例计算表明 ,改进的BP网络算法比一般的BP模型结果误差小、收敛快 ,人工神经网络方法对深层搅拌桩承载力计算行之有效     

基于神经网络的变电站绝缘在线检测专家系统的研究

分析了传统专家系统的不足,介绍了人工神经网络方法,建立了基于人工神经网络中的带冲量项的BP算法的网络模型,并将该模型应用到编制变电站绝缘在线检测专家系统中。     

自适应电流速断保护在智能配电网中的应用

比较分析了配电网电流速断保护与白适应电流速断保护的区别。利用BP人工神经网络进行建模和仿真试验。仿真试验表明,基于人工神经网络的自适应电流速断保护,对配电网在不同运行方式下的不同类型的区内、外故障都能正确地进行模式识别,间接找出系统等效阻抗变化规律,实现了自适应电流速断保护的功能,为智能配电网的发展提供了技术保证。     

前馈多层神经网络在水滑石电缆阻燃剂制备中的应用

本文将前馈多层神经网络用于水滑石电缆阻燃剂制备的研究。从获得的试验数据中，通过训练建立了原料添加量与最终制备得的水滑石纯度的非线性映射模型。神经网络采用BP算法，网络结构采用3－2－1形式。结果表明，神经网络用于预测制备的水滑石性能是可行的。     

高压开关柜面板设计的神经网络方法

应用反向传播神经网络(BP网络)进行模式识别,实现了开关柜面板的自动布置,是将人工神经网络应用于电器CAD领域的一次初步尝试。     

BP神经网络改进算法在电气故障诊断系统中的应用

文章将人工神经网络技术、基于动量因子技术的改进BP网络训练算法应用于飞机电气设备故障诊断。以飞机交流异步电动机为例，建立了故障诊断模型。仿真结果表明该算法的应用是可行的，具有较强的推广前景。     

基于ANN的船舶柴油发电机转速容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和Elman神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。