基于PNN的水轮发电机组振动故障诊断

概率神经网络（PNN）是一种训练速度快、结构简洁明了、应用广泛的人工神经网络。它采用贝叶斯分类决策理论建立系统的数学模型，以高斯函数作为激励函数，具有非线性处理和抗干扰能力强等特点。提出基于PNN的水轮发电机组振动故障诊断方法，并在水轮发电机组振动频谱波形特征的基础上，对几种典型故障模式进行了实例研究。理论分析和实例结果验证了基于PNN的水轮发电机组振动故障诊断方法是正确和有效的。     

基于IEA-PNN的边坡岩体稳定性预测研究

概率神经网络是一种训练速度快、结构简洁明了、应用广泛的人工神经网络，该方法采用贝叶斯分类决策理论建立系统的数学模型，以高斯函数作为激励函数，具有非线性处理和抗干扰能力强等特点。阐述了概率神经网络的基本结构及其训练算法，提出了基于概率神经网络的边坡岩体稳定性预测方法，并采用一种新的有效随机全局优化技术——免疫进化算法对高斯型函数的标准偏差进行了参数优化。介绍了免疫进化算法的设计思想和特点，并成功地实现了此模型在边坡岩体稳定性预测中的应用，实例预测结果与边坡稳定性实际状态完全一致。理论分析和实例结果验证了基于免疫进化算法的边坡岩体稳定性预测方法切实可行，且具有需要学习样本少、预测精度高、非线性动态数据处理能力强等优点，为边坡稳定性预测提供了一条新的途径。     

基于支持向量机的水流挟沙力预测研究

本文阐述了支持向量机（SVM）的基本原理及特性，提出了基于SVM的水流挟沙力研究方法，并对30组高、中、低含沙量的水槽试验资料进行训练，训练值与实测值符合较好，再用训练好的SVM模型对4组试验数据进行了预测，预测结果与实测值相差较小。理论分析和实例结果验证了基于SVM的水流挟沙力研究方法比BP神经网络法具有更高的预测精度和可靠性。     

基于免疫进化支持向量机的年用电量预测

支持向量机(SVM)是在统计学习理论基础之上发展起来的,针对小样本数据且具有优良推广性能的机器学习方法。阐述了SVM的基本原理及特性,并采用一种新的有效随机全局优化技术-免疫进化算法(IEA)对SVM核函数的参数进行了优化。介绍了IEA-SVM算法的设计思想和特点,成功地实现了此模型在年用电量预测中的应用,对四川省电网1978～1998年年用电量状况进行了实例研究,预测值与实际值相差较小,并与基于偏最小二乘回归(PLS)模型的预测成果进行了对比。理论分析和实例结果验证了基于IEA-SVM的年用电量预测方法的正确性和有效性。     

改进的蚂蚁算法及其在暴雨强度公式参数优化中的应用

蚂蚁算法是解决组合优化问题的一种优秀的算法，但直接用于解决连续优化问题存在很大困难。本文通过引入带可变邻域搜索项的进化策略对蚂蚁算法进行了改进，然后将改进的蚂蚁算法应用到解决暴雨强度公式的参数优化这类连续问题中，并和其它优化方法得到的优化结果进行了比较。结果表明，改进的蚂蚁算法可以成功用于暴雨强度公式的参数优化，并且在实验采用的各种优化算法优化参数得到的暴雨强度公式拟合原始数据的效果比较中只有免疫进化算法在优化过程中迭代次数和迭代规模都要大得多的情况下才和改进的蚂蚁算法差不多，而比其它的优化方法都要好。