基于DE-BP算法的空调负荷预测研究

建立了基于BP神经网络理论的空调系统负荷预测模型.针对BP神经网络参数优化过程中容易陷入局部最优的缺陷,采用差异演化算法(differential evolution algorithm,DE)对其进行优化,以提高预测精度.结合具体实例进行空调冷负荷预测,并与采用遗传算法、蚁群算法、粒子群算法对BP神经网络进行参数优化的仿真实验结果对比表明,由DE-BP算法所具有较好的预测性能.     

GIS局部放电带电测试原理研究及现场缺陷分析

局部放电测量目前是检测GIS方便而有效的测试方法之一。分析比较了常用的GIS局部放电带电测试的原理及方法,并介绍了几起典型的现场缺陷及解体情况。可见对GIS进行周期性的局部放电带电测试并在GIS交接耐压时进行局放带电测试是行之有效的。一般情况下,使用超高频方法进行测量,当发现问题时,使用超声方法进行验证与定位可以掌握与查出GIS内部的缺陷情况。     

含典型缺陷的变压器套管局部放电检测试验研究

变压器套管具有内绝缘和外绝缘双重绝缘结构,在运行过程中要承受高电压和大电流的作用.由套管内部缺陷产生的局部放电是引发变压器事故的主要因素,开展变压器套管的局部放电检测研究具有重要意义.笔者制作了5种含典型缺陷的变压器套管样品,在加压过程中,同时采用脉冲电流法、特高频法和超声波法检测套管内部缺陷引起的局部放电.试验结果表明,下瓷套内壁沿面放电缺陷、电容芯内绝缘纸褶皱且未经干燥缺陷和底部载流连接不可靠缺陷样品在试验过程中能产生特征明显的局部放电,电容芯内绝缘纸褶皱缺陷和电容芯内杂质缺陷在整个加压试验过程中未产生局部放电.超声波法对套管底部载流缺陷引起的放电以及下瓷套内壁沿面放电比较敏感,能够实时监测到局部放电的发展过程,但是对电容芯子内部放电不敏感.特高频法无法检测到套管电容芯子内部和下瓷套内壁的早期局部放电,但是能有效的检测到套管底部载流缺陷引起的局部放电.该研究为变压器套管状态检测技术的发展和应用具有参考意义.     

基于ESMD的局部放电信号自适应去噪方法

检测电力设备的绝缘缺陷对确保电网安全可靠运行具有重要意义，但电力设备信号易受到现场噪声干扰。因此，抑制局部放电信号背景噪声是准确诊断电气设备绝缘状态的关键问题之一。本研究提出了一种自适应阈值辅助极点对称模态分解(ESMD)的自适应去噪方法，采用ESMD对局部放电信号进行分解得到一系列模态分量，构建基于相关系数和峭度自适应重构准则，以减小噪声干扰对局部放电特征的影响；针对重构的局部放电信号，引入自适应阈值进一步去除重构信号中的残余噪声，从而实现干扰抑制。本算法分别针对局放仿真信号和现场实测信号进行了去噪实验，结果表明，基于ESMD的自适应去噪算法能够有效抑制噪声干扰，保留局部放电信号特征，波形相似系数接近1,提高了局部放电检测的准确性。     

基于等离子体模型的气隙局部放电分析及仿真研究

气隙缺陷是造成绝缘设备局部放电的主要原因。通常情况下,局部放电不会直接造成绝缘设备的损坏,但是经过长期的作用,会导致电气设备的绝缘强度下降,加速装置的老化。因此,需要对气隙的局部放电过程进行研究,分析气隙的放电机理,理解在不同条件下气隙局部放电的形式以及气隙放电的规律。基于MATLAB/SIMULINK建立了气隙局部放电的仿真模型,给出了气隙瞬时放电的仿真方法,同时对放电电阻和外加电压对放电次数和放电波形的影响进行了仿真分析。通过对气隙局部放电的模型进行仿真研究,有利于对气隙放电原理的理解。     

基于粒子群算法的RBF神经网络零件表面缺陷分类

针对金属工件表面缺陷分类问题,提出一种基于粒子群算法的RBF(Radialbasisfunction)神经网络对金属工件表面缺陷进行分类的方法。本文采用线性递减权重法确定PSO算法中的惯性权重,用于消除PSO算法容易早熟及后期容易在全局最优解附近产生振荡现象。将线性递减权重法改进的粒子群算法运用于RBF神经网络,确定RBF神经网络中权值和阈值的最优解,并对RBF神经网络进行训练从而提高分类精度。对比实验结果表明,改进的RBF神经网络对工件表面缺陷的分类平均准确率可达94%,对比标准RBF神经网络分类和BP神经网络分类准确率有较大提高。     

基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。     

基于GA的BP神经网络在砂土液化评价中的应用

BP神经网络是一种应用面较广的神经网络,但存在明显缺陷:学习收敛速度慢,易陷入局部极小。遗传算法具有良好的搜索全局最优解的能力。在探讨训练样本选取的基础上,耦合遗传算法和BP神经网络构建了遗传网络并应用于砂土液化的评价,通过与动量梯度下降算法改进的BP神经网络对比,表明了基于遗传算法的BP神经网络在砂土液化评价中的优越性。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

基于人工鱼群神经网络的GPS高程拟合研究

应用合理的技术手段对GPS高程进行拟合对于测量工程建设具有重要的意义。针对传统BP神经网络算法存在的收敛速度慢、易陷入局部极小值等缺点,本文应用人工鱼群算法对其连接权值和阈值进行了优化,建立了一种新的GPS高程拟合模型,并结合具体的测量实例对其拟合性能进行了分析,结果表明:人工鱼群神经网络算法的内符精度与外符精度比传统BP神经网络算法精度分别提高了18.4%与12.1%,并且拟合所用的时间更短,同时在网络输入层中加入GPS高程参数也会使拟合的精度有所提高。     

基于集成特征选择的森林火灾风险评估

摘 要：采用集成学习的思想,提出了一种基于集成特征选择的森林火灾风险评估方法。以特征选择方法的多样性和独立性为考量,选择了15种特征选择器并利用差异度进行筛选,获得异质选择器集合,进而得到特征子集集合。其次,利用各特征子集分别构建基于BP神经网络的森林火灾风险评估模型,并依据模型准确度筛选林火重要影响因子,构建最优森林火灾风险评估模型。结果表明,该算法准确度为85.96%,具有良好的泛化能力,可实现对森林火灾风险的有效评估。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

基于遗传神经网络模型的水质综合评价

建立了用于水质综合评价的遗传神经网络模型.该模型运用遗传算法优化改进型BP神经网络的初始权值和阈值,具有快速学习网络权重和全局搜索的能力,有效解决了BP神经网络容易陷入局部极小点和训练结果不稳定的问题.采用苏帕河梯级电站的水质监测数据对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法用于水质综合评价客观、合理、准确,有其独特的优越性.     

基于BAS-SCA-BP模型的高校建筑工程项目投资估算研究

针对标准BP神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法（BAS-SCA）优化BP神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明：基于BAS-SCA-BP的估算模型较标准BP神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。     

Combination of neural network and wavelet transform for islanding detection of distributed generation in a small-scale network

In this paper, an optimum and intelligent method is proposed for islanding detection using wavelet transform. The suggested relay is based on neural network (NN) in which different heuristic algorithms are used for training the NN. In the proposed method, the appropriate signals for detection procedure as well as mother wavelet are selected optimally, based on the mean square error (MSE) concept. Lately, the desired relay is trained by the optimally selected signals using four different algorithms and the optimum condition of the fault detector is identified. Simulation results approved that non detection zone (NDZ) has a significant reduction utilising the proposed intelligent technique. The contributions of the proposed method include presenting an appropriate signal selection method based on MSE, selecting optimum number of relay input signals using the proposed technique, fast training of intelligent relay by using least information, solving threshold selection problem and reduction of NDZ approximately to zero.     

基于GA—ANN的岩土体变形参数敏感度分析

针对岩土体参数复杂性和不确定性,提出一种综合数值模拟、遗传算法和神经网络的变形参数敏感性分析方法,详细介绍了分析理论和分析方法,并基于遗传神经网络对某明挖车站岩土力学参数敏感性进行了分析,指出该方法具有较好的应用前景。     

A Fuzzy Expert System for Damage Assessment Using Genetic Algorithms and Neural Networks

Abstract: An efficient knowledge-acquisition support method is required for improvement and maintenance of the knowledge base in durability evaluation of an RC bridge deck. Such a method is proposed in this paper to automatically acquire fuzzy production rules. This method makes joint use of genetic algorithms and a neural network. Using a neural network as a subsystem, the evaluation function of genetic algorithms can be provided with the weights of the neural network. Introducing a neural network into genetic algorithms, it is possible to acquire new knowledge so that the method is useful when it is difficult to acquire knowledge in the field.     

基于神经网络的建筑结构安全评估模型研究

为实现建筑结构安全的快速评估,提出基于神经网络的建筑结构安全评估方法。基于《民用建筑可靠性鉴定标准》的调查与检测要求并考虑数据易获取性,选择45个涵盖承载力、耐久性、历史记录和环境情况等变量作为输入参数,以《民用建筑可靠性鉴定标准》中的安全等级作为输出参数,采用深度置信网络学习输入参数与输出参数间的非线性映射关系。对输入参数的选择、样本缺值问题、小样本问题和神经网络评估的可靠性进行探讨和验证。结果表明:在无法准确判断输入参数与输出参数相关性的前提下,采用全部输入参数的评估模型具有更高的鲁棒性; 迷失森林算法相较其他常用的缺值插补算法有更好的插补性能; 采用变分自编码器扩充训练样本集能有效提高神经网络的泛化能力和分类精度; 对深度置信网络引入加权交叉熵损失函数加以改进可增加训练时对不安全类别的敏感性,牺牲少量不安全类别的查准率可以大幅提高其查全率; 基于神经网络的结构安全评估模型能较好地预测结构的安全等级,具有快速且大批量运算的优势,是实现大范围建筑群结构安全监测的有效手段。     

遗传算法改进的BP神经网络在GPS高程拟合中的应用

针对BP神经网络收敛速度慢和易于陷入局部极小值的问题,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,优化神经网络各层之间的连接权和阈值,提高了BP神经网络的计算精度、收敛速度和泛化能力。本文论述了遗传算法的基本思想、实现过程,并对高程拟合算例进行训练检验,实验结果表明,遗传算法改进的BP神经网络进行GPS高程拟合是可行的,能够有效地提高BP神经网络的拟合精度。     

Neural network-based model for prediction of permanent deformation of unbound granular materials

Several available mechanistic-empirical pavement design methods fail to include predictive model for permanent deformation (PD) of unbound granular materials (UGMs), which make these methods more conservative. In addition, there are limited regression models capable of predicting the PD under multi-stress levels, and these models have regression limitations and generally fail to cover the complexity of UGM behaviour. Recent researches are focused on using new methods of computational intelligence systems to address the problems, such as artificial neural network (ANN). In this context, we aim to develop an artificial neural model to predict the PD of UGMs exposed to repeated loads. Extensive repeated load triaxial tests (RLTTs) were conducted on base and subbase materials locally available in Victoria, Australia to investigate the PD properties of the tested materials and to prepare the database of the neural networks. Specimens were prepared over different moisture contents and gradations to cover a wide testing matrix. The ANN model consists of one input layer with five neurons, one hidden layer with twelve neurons, and one output layer with one neuron. The five inputs were the number of load cycles, deviatoric stress, moisture content, coefficient of uniformity, and coefficient of curvature. The sensitivity analysis showed that the most important indicator that impacts PD is the number of load cycles with influence factor of 41%. It shows that the ANN method is rapid and efficient to predict the PD, which could be implemented in the Austroads pavement design method.