小波神经网络在电力期货价格预测中的应用研究

提高电力期货价格的预测精度,对于指导正确操作、稳定电力市场价格、促进电力市场快速平衡发展有着积极的意义。在常用小波神经网络模型的基础上,对网络输出层的激励函数进行改进,给出该网络的具体学习算法并用Nordpool交易所的电力期货价格数据对该小波神经网络进行了训练和检测,通过与常用的小波神经网络比较,该网络显示出较快的学习速率和较高的预测精度。     

基于改进BP神经网络算法的电力负荷预测研究

近年来电力市场化进程逐渐加快,电力负荷预测也成为电力系统中必不可少的重要环节,关系到整体电网经济性和安全性.针对目前电力系统环境越发复杂,而电力负荷预测精度要求不断提高的现状,应用人工智能算法进行负荷预测,对于满足负荷预测的准确性和快速性有着很大的提升意义.本文采用改进BP神经网络算法对某地区负荷建立相关预测模型,通过...     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法，建立了适用于武器装备研制费用的小波神经网络预测与控制模型。结合某型装备研制费用，进行了预测与控制的数据仿真。     

基于小波神经网络的电力变压器故障诊断

电力变压器是电力系统中的重要组成部件,它的性能是否优越直接影响着整个电力系统的可靠安全运行。特别是对于高压电气设备而言,如何能够快速、正确的寻找并解决电力变压器发生的以及潜在的故障非常重要。本文以神经网络原理为基础,结合小波分析方法,研究电力变压器的故障诊断问题。     

RBF神经网络短期电力负荷预测研究

本文将径向基神经网络和采用非线性权值递减策略的粒子群优化（PSO）算法相结合对某缺电城市进行电力负荷的短期预报。在RBF神经网络对负荷进行预测的同时,通过PSO算法进一步确定其最佳扩展系数6,从而得到更精确的预测结果并提高网络的泛化能力,可以取得良好的效果。     

小波神经网络及其在故障诊断中的应用

采用小波神经网络的松散型结合对刀具进行故障诊断,首先对AE信号进行小波分解,提取了5个频段的均方根值作为神经网络的输入,来识别刀具磨损状态。试验表明基于小波神经网络的刀具故障诊断是有效的。     

改进型小波神经网络在变频系统故障诊断中的应用

目前,变频系统故障诊断还一直依赖于对电压和电流信号的监测与分析,现提出用改进小波包提取变频器故障信号的特征量,并将该特征向量作为改进型网络的学习样本进行训练的方法.仿真结果表明,改进型小波神经网络与常规神经网络诊断方法相比,具有准确度高、诊断速度快和泛化能力强等优点.     

基于SVM算法的电力物资采购价格预测研究

电力工程建设涉及物资种类繁多,物资价格受很多因素的影响,尽管当前许多学者已经提出关于电力物资采购价格的预测方法,但是多数模型局限于单因素考虑,鲜有研究对电力物资采购价格进行多因素综合分析。为更合理地预测当下电力物资价格走势并建立电力价格预测模型,该文首先针对收集的历史采购数据,总结影响电力物资采购价格的核心因素,其次通过支持向量机（SVM）算法对物资价格进行多因素分析预测,并与神经网络算法进行比较,结果表明,采用支持向量机的算法模型的预测结果与实际情况吻合度较好且比神经网络算法误差更小,可为电力公司物资采购提供参考。     

集成小波神经网络在故障诊断中的应用研究

以非线性Morlet小波基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立集小波分析与神经网络于一体的紧致型小波神经网络,并给出了具体的算法。基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的集成小波神经网络故障诊断系统,即通过故障特征信息的有效组合,用各种子小波神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果进行决策融合。给出了系统的实现策略和子网络的组建原则。从诊断实例中可以看出,此诊断系统充分利用各种特征信息,可以有效的提高确诊率。     

神经网络在含水率预测中的应用

相分率测量是多相管流研究的重点，γ密度仪是气液两相流和多相流测量中常用的非插入式测量方法，其中含水率的测量度最大。实验测试发现，直接利用高低能计数计算含水率存在较大偏差，本文通过将高低能计数值作为输入参数，利用BP神经网络方法预含水率，大大提高了预测精度，结果表明，BP神经网络方法是改善γ密度仪测量含水率精度的有效方法。     

灰色神经网络模型在电信业务预测中的应用与研究

神经网络由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而基于灰色系统模型神经网络是一种寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务量的主要因素,将神经网络与灰色系统模型有机结合起来,建立了相应的灰色系神经网络模型用于电信业务量的预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于传统的预测方法,而且具有良好的泛化性。     

小波神经网络在多波长辐射测温中的应用

辐射测温的主要问题是解决未知的或变化的表面发射率所引起的误差测量。提出了一种小波神经网络,并对算法进行了优化,用以解决低温目标真温与辐射量之间的映射关系,有效地从辐射信息中分离出发射率和真温,给出了具体的算法。通过仿真实验证明此方法是获知真温的一种较好的方法。     

小波神经网络在超声检测信号降噪中的应用

为了最大限度地消除粗晶材料超声检测时,晶粒散射波对有用信号的严重干扰,提高接收信号的信噪比,将小波神经网络引入粗晶材料超声检测信号处理领域中.在训练小波神经网络时,采用了改进的梯度下降算法.该网络有一个动态的权值,它随误差变化而调整.结果表明,小波神经网络应用在粗晶材料超声检测信号的降噪时,能够达到较理想的降噪效果.     

基于广义回归神经网络电力负荷预测的研究

电力负荷预测是电力系统调度运营部门的一项重要工作,尤其是随着电力市场的建立和发展,电力负荷的预测难度增加,负荷预测的重要性对电力调度更为关键。结合当前国内外电力系统负荷预测研究现状,本文介绍了广义回归神经网络电力负荷预测的方法,并进行了仿真证明方法的可行性。     

小波变换在山体滑坡预测中的应用

具体分析山体的稳定性因素及山体滑坡的成因,针对其本质提出一种以位移监测为主,声波监测为辅的预测方法,具有非常大的实用价值。并且利用小波变换模极大去噪法处理监测到的信号,实验结果表明该方法具有很好的消噪效果。     

基于神经网络预测与小波变换的结构非线性振动参数识别

首先介绍利用复Morlet小波变换进行结构非线性振动模型参数识别的原理,进而分析了因小波变换过程中的边端效应以及在采样点较少情况下复Morlet小波变换对非线性模型参数识别准确性的影响。然后提出了利用BP神经网络对非线性模型参数识别的信号进行预测延拓,并基于预测后的信号进行参数识别。最后通过对两种非线性振动模型进行数值仿真,验证了该方法能很好的提高非线性模型参数识别的准确性,并且具有一定的抗噪能力。     

基于粒子群优化的小波神经网络及其在齿轮箱故障诊断中的应用

用粒子群算法（PS0）取代传统的梯度下降法,优化小波神经网络中的各个参数。将经过PS0训练的小波神经网络应用于齿轮箱故障诊断,实验结果表明,基于PS0算法的小波神经网络训练方法是有效的神经网络训练算法,同时也是解决故障诊断问题的有效途径。     

基于自适应小波神经网络在压制地震勘探低频噪声中的应用

沙漠地区地震勘探数据中低频背景噪声与有效信号相互混叠,无论在哪个变化域都很难将信噪进行有效分离,大大降低了后续地震资料的质量.本文将小波神经网络应用于地震勘探低频背景噪声压制,首先选择Mexihat小波基及其尺度函数作为神经网络的激励函数,建立紧致型神经网络结构;其次将选定的含噪信号和纯净信号分别作为网络的输入和输出,...     

小波神经网络阈值自学习在信号去噪中的应用

针对某一确定数据采集系统中小波去噪时的阈值选择,提出以小波神经网络加标准信号来标定去噪阈值的方法,从而提高对信号的去噪性能。对于确定的数据采集系统,信号噪声主要来源于系统本身,而且在短时间内系统可视为时不变的。首先给系统一个标准信号输入,将系统的输出输入到小波神经网络,在给定的噪声熵下训练网络使其熵最小,从而得到相应的去噪阈值,仿真实验表明该方法较一般的去噪方法效果好。     

基于小波神经网络的图像表述

小波神经网络有机地融合了小波分析的时频特性和神经网络自适应优点。本文将小波神经网络应用于图像表述，提出相应的图像表述算法。分别采用两种小波函数作为网络激励函数，以验证图像表述效果。实验结果表明，小波神经网络能够有效地表述图像，其算法具有较强的鲁棒性。