神经网络在洪水实时预报中的应用研究

建立了一种基于神经网络的洪水实时预报模型。运用向后演算法，该模型的权重系数可以在每一时间步长上进行自动更新，较好地反映了实际水文过程和参数的时变性；由于该模型不再需要单独的误差序列实时校正模型，因而更加简洁。最后利用淮河鲇鱼山水库1975－1999年的小时降雨和入库洪水资料对模型参数进行了率定和校核。结果表明，洪水实时预报的效率系数超过96％，洪峰值合格率为92．5％，峰现时间误差都在1h以内。     

基于误差修正的BP神经网络模型在河道洪水预报中的应用

针对经典BP神经网络模型,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值,据此提出了一种计算输入输出向量的归一化公式,并建立了具有洪峰识别的洪水预报BP网络预报模型。采用新模型对宜昌水文站典型年实测流量过程进行了预测检验,其结果与实测值较吻合,对流量过程及洪峰流量过程的预报精度较经典BP模型高。     

BP神经网络在机械优化设计中的应用

在机械优化设计领域针对实体结构的动态分析计算,采用BP神经网络可以提高优化收敛速度和精度,神经网络理论与传统的数值方法相结合具有重要的现实意义.……     

BP神经网络在反窃电系统中的研究与应用

针对我国供电企业电量自动化管理技术手段相对落后的问题,基于窃电的特点构建了反窃电指标评价体系,采用BP神经网络建立了反窃电模型,并结合实例探讨了在反窃电系统中运用BP神经网络的过程及应注意的问题.实例应用表明,反窃电指标评价体系科学、合理,BP神经网络应用于窃电嫌疑分析可行、有效.     

自适应BP神经网络在光伏MPPT中的应用

根据光伏电池的内部结构和输出伏安特性建立Matlab仿真模型。比较了扰动观察法(P&O)、电导增量法、恒定电压法、开路电压法和寄生电容法等几种光伏系统最大功率跟踪(MPPT)算法。由于这些算法存在在最大功率点附近扰动较大、且受环境影响、鲁棒性较差等问题,提出一种基于神经网络的MPPT算法。将温度和光强作为输入变量,通过神经网络识别后可得到最大功率点。仿真表明所提出的方法具有良好的适应性,显著提高了光伏系统的转换效率。     

改进BP神经网络在流型判别中的应用

提出了一种应用于人工神经网络进行流型判据的新方法。采用了自适应梯度下降法和改进模拟退火法等措施,加快了ＢＰ网络的收敛速度,增强了其跳出局部检小值的能力,提高了神经网络模拟非线性系统的能力,并分析了可作为流型判别用的神经网络的输入参数、输出参数。为了证实该方法的可行性,应用前人的实验数据进行验证。证实该方法是一种十分有效的两相及相流流型判别方法。     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

BP神经网络在风力发电机风向预测中的应用

根据新疆达坂城风电场某风力发电机2012年6月的某段风向数据,构建风向预测的BP神经网络模型。仿真结果表明,BP网络用于风向预测具有较高的精度和泛化能力,它为风力发电机偏航控制的设计提供了新的思路和方法。     

基于BP神经网络的贝叶斯概率枯季径流预报研究

根据枯季径流的特点,采用多元线性回归模型模拟了先验分布和似然函数,建立了基于BP神经网络的贝叶斯概率枯季径流预报模型.与传统枯季径流预报方法相比,该方法预报精度高,能以概率分布形式定量描述预报的不确定性,为水量调度提供了科学的决策依据,实例应用表明,效果理想.     

基于BP神经网络的大伙房水库洪水预报

鉴于大伙房水库洪水预报模型为集总式模型,其参数不仅需要优选法选定或人工试错法确定,还需要实时校正,因此根据大伙房流域特点提出了一种半分布式BP神经网络洪水预报模型,实现了模型中参数的自动率定,且由于其半分布式的特点还规避了原集总式模型的部分劣势。即采用DEM和ArcGIS根据水文站及自然流域分水线划分流域,创建BP神经网络,然后应用于各子流域断面及入库断面,预报其流量值,并在每个网络中均运用逐步回归分析法对输入层数据进行筛选,以得到影响最显著因子。将所建模型应用于大伙房水库,预报精度较好,可用于大伙房水库的正式预报。     

基于改进型BP神经网络的火电机组初压优化

将先验知识和理论分析与热耗率相关联的参数作为BP神经网络的输入层参数,用灰色关联度模型进行验证;对比改进型BP神经网络与标准BP神经网络,发现改进型BP神经网络在收敛速度和误差方面比标准BP神经网络好。应用改进型BP神经网络建立起某600MW火电机组的历史数据边界参数与热耗率的非线性映射。在可行初压范围内找出了各机组负荷下的最优初压,绘制出最优初压曲线,为操作人员提供指导。     

改进的BP神经网络在汽轮发电机组故障诊断中的应用

就BP网络的不足，提出了一种改进的BP神经网络模型，用于汽轮发电机组故障的诊断。经理论和实践证明：该方法有效地提高了故障诊断的精度和可靠度，为旋转机械故障诊断提供了有效方法。图2表4参7     

遗传算法优化BP神经网络在求解水文地质参数中的应用

针对BP神经网络算法收敛速度慢、遗传算法搜索速度慢,两者单独求取水文地质参数效果不佳,结合两种算法的优点,采用遗传算法优化的BP神经网络方法求解水文地质参数,提高了运算速度和结果的准确性。以某抽水井为例,对比四种常见方法与本文算法的计算误差,结果显示采用遗传算法优化的BP神经网络方法求解水文地质参数误差最小,求参结果更为可靠。     

BP神经网络在闽江十里庵流量预测中的应用

将反向传播BP神经网络模型应用于闽江上游流域,建立闽江上游流域洪水最速下降动量反向传播BP神经网络模型;选择闽江上游南平市十里庵水文站最大洪峰流量与其支流建溪七里街站、富屯溪洋口站、沙溪沙县站三个水文站的相应洪水流量建立模型.结果表明,模型预测精度符合要求,可作为防汛部门预测洪水的依据之一,并为汛中防汛会商和指挥调度提供依据.     

遗传算法优化BP神经网络在大坝扬压力预测中的应用

针对BP神经网络的局部极小和收敛慢等问题,提出了利用遗传算法的选择、交叉和变异操作优化BP神经网络的权值和阈值,将优化后的BP神经网络用于预测大坝扬压力。通过实例应用,将遗传算法优化的BP神经网络与逐步回归、BP神经网络预测相对比,结果表明遗传算法优化的BP神经网络收敛快且预测结果精度高。     

BP神经网络在新浇筑混凝土最高温度预测中的应用

鉴于在坝体混凝土开仓前准确预测新浇筑混凝土最高温度对防止大坝开裂的重要性,基于BP神经网络原理,以混凝土浇筑温度和冷却水管布置方式、通水温度、通水流量及气温、浇筑层厚度、混凝土龄期7个因素作为输入层,以实测混凝土浇筑仓内最高温度为输出层,利用Matlab神经网络工具箱,建立了新浇筑混凝土最高温度的BP神经网络预测模型,并通过实例对模型进行了验证分析。结果表明,冬季、夏季浇筑仓内混凝土最高温度的预测值和实测值之间的误差均约为0.5 ℃,二者吻合较好,可见该模型满足实际工程要求,也说明了BP神经网络在预测新浇筑混凝土最高温度方面具有可行性和实用性。