共查询到20条相似文献,搜索用时 15 毫秒
1.
预测供水管网的压力,对实现优化运行和降低能耗具有重要的意义。供水管网是十分复杂而且非线性的大型系统,目前一般使用微观或者宏观模型对其某点压力进行预测,采用微观建模方法建立的供水管网压力预测模型往往出现数值求解效率低而且不够准确的问题。根据供水网络的特点并利用采集的供水压力数据,建立城市供水网络某点压力的BP神经网络预测模型,预测的结果表明该模型对城市供水网络压力具有良好的预测性。 相似文献
2.
《青岛理工大学学报》2016,(4)
在分析国内外供水管网水质研究现状的基础上,对管网水的浊度特性及演变规律进行了深入研究,总结了饮用水浊度指标在管网中的变化规律,并据此筛选出对管网水浊度变化影响较大的三方面因素,即流速、水龄、总铁含量.在对主要因素进行连续监测的基础上,运用MATLAB分别构建BP和RBF神经网络模型对管网水浊度进行模拟分析,结果表明模拟值与实测值吻合良好,RBF神经网络的非线性逼近能力更强,预测精度更高. 相似文献
3.
《Planning》2019,(4)
当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。 相似文献
4.
5.
6.
RBF神经网络具有极强的非线性映射能力,精度高。本文基于RBF神经网络原理,采用自组织选取中心法,建立基于RBF神经网络的边坡稳定性预测模型,并选取大量边坡工程数据作为学习训练和预测样本,利用该模型进行学习和预测。研究结果表明,在处理边坡稳定性预测问题中,该方法具有很好的适应性和较高的精度。 相似文献
7.
《Planning》2014,(16)
RBF网络待定参数较多,难以确定出最佳值,因此利用RBF神经网络预测瓦斯涌出量具有一定的局限性。本文采用遗传算法优化、简化RBF网络结构及参数,建立GA-RBF预测模型对瓦斯涌出量进行预测。该模型利用遗传算法的选择、变换、变异等运算,再按照优胜劣汰的原则保留网络参数的最优值。仿真实验表明,GA-RBF预测精度优于传统的RBF预测模型,训练速度也有明显提高。 相似文献
8.
9.
《Planning》2014,(2):49-50
网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。 相似文献
10.
多指标供水管网爆管快速定位 总被引:2,自引:0,他引:2
以城市供水管网的爆管定位为核心研究内容,进行了供水管网的爆管模拟试验,并建立了爆管检测定位的神经网络模型,运用神经网络对试验数据进行处理,并对虚拟爆管事件进行预测,以试验神经网络的正确性。 相似文献
11.
12.
城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。 相似文献
13.
介绍RBF神经网络技术,提出一种基于RBF神经网络的燃气月负荷预测模型,实例预测取得了较好效果。探讨了数据归一化参数对负荷预测精度的影响。 相似文献
14.
15.
16.
17.
《Planning》2015,(2):205-208
中药材作为一种特殊的农产品,其价格态变化过程呈现出高度复杂的非线性特征,增加了中药材价格预测的难度.通过研究影响中药材价格的主要因素,并在分析传统价格预测方法的基础上,针对中药材价格变化具有随机性、突变性和非线性的特点,通过小波和RBF神经网络结合构建一个中药材价格预测模型(W-RBF).采用W-RBF神经网络模型对白芍价格进行预测,并将预测结果与RBF神经网络模型预测结果做了比较.实验结果说明,W-RBF神经网络模型预测准确率明显提高,比RBF神经网络模型更具优越性. 相似文献
18.
19.
提出了一种基于RBF神经网络的氯离子扩散系数预测模型,将RBF网络模型预测的结果与另外三种不同输入的RBF模型、BP网络模型的预测结果以及实测结果进行了对比分析,结果表明,RBF神经网络模型相对其他输入指标体系模型的预测精度有所提高,且能满足工程的需要,可以作为氯离子扩散系数预测的一种新的有效的方法。 相似文献
20.
建立供热试验系统,试验数据为供水温度、室内温度、室外温度、太阳辐照度,数据采集时间间隔设定为0. 5 h。选取BP神经网络、Elman神经网络,将室内温度、室外温度、太阳辐照度作为输入数据,对供水温度进行预测。选用500组试验数据,对神经网络进行优化训练,确定输入层输入数据组数量以及其他参数。选用50组试验数据,对两种神经网络预测供水温度的准确性进行验证。在2018年2月4日、5日分别进行BP神经网络、Elman神经网络预测能力评价(室内温度设定为16℃)。两种神经网络的输入数据组数量均为7组(即为实现供水温度的预测,除当前时刻试验数据组外,还应输入前6个时刻的数据组)。由BP神经网络、Elman神经网络预测的供水温度与实际供水温度变化趋势基本一致,最大相对误差分别为-5. 66%、4. 32%。由BP神经网络、Elman神经网络预测的供水温度,可以维持室内温度,与设定的室内温度相比,波动范围分别为±1℃、-0. 8~0. 9℃,Elman神经网络的预测能力更强。 相似文献