共查询到20条相似文献,搜索用时 586 毫秒
1.
神经网络在电机设计中的应用 总被引:1,自引:0,他引:1
将神经网络用于电机设计的方案调整过程中,建立了训练样本素,采用改进的B地的用电从多次训练中精选相关的学习效率系数及惯性系数,克服了标准BP网络学习速度慢、易陷入局部最小点的缺陷,并从实例上验证了该方法的准确性。 相似文献
2.
3.
前向神经网络学习算法进展 总被引:1,自引:0,他引:1
针对前向神经网络BP学习算法收敛速度慢、容易陷入局部极小等缺点,已提出了众多的改进算法和新的学习算法以克服传统BP学习算法的不足。本文系统地总结了近十多年来前向网络学习算法新的研究成果并给出发展展望 。 相似文献
4.
提出了一种适用于神经网络控制器在线学习的BP算法,它用共扼梯度因子γ确定学习的方向,通过奖惩系数γ调整学习步长η,从而具有高速收敛性、快速跟踪能力及较强的鲁棒性。最后通过一个4层前馈NN网络对标准控制序列进行学习仿真,证实了该处法的优越性。 相似文献
5.
一种神经网络方法在机械手控制中的应用 总被引:5,自引:0,他引:5
采用多层前向神经网络建立机械手逆运动学模型。提出了一种改进遗传算法来学习网络的权系数,其交叉概率根据解的适应度来自适应调整,变异概率根据迭代次数来动态调整。这样可以有效地克服传统的反向传播算法求解精度低、搜索速度慢、易陷于局部极小的缺点。仿真结果表明,所提方法大大提高了机械手逆运动学解的精度,确保快速达到全局收敛。 相似文献
6.
7.
8.
两种改进BP算法神经网络滤波的比较 总被引:2,自引:0,他引:2
对两种改进BP(Back—Propagation)算法神经网络的滤波进行了比较,通过反复的训练得出两种改进算法在权值调整和误差收敛过程中所遇到的共同点和差别,并得出初始权值、激励函数和神经元个数等因素的选取对神经网络学习的影响。 相似文献
9.
10.
变步长变尺度BP算法及其在电力系统中的应用 总被引:4,自引:1,他引:4
基于优化技术,提出了一种改是型BP算法,该算法收敛速度快,学习精度高,训练周期短,可适用于神经网络的离线及在线学习,是一种实用性很强的快速BP算法,并用神经网络对电力系统稳定器控制序列的学习仿真证明了该算法的优越性。 相似文献
11.
基于神经网络的负荷组合预测模型研究 总被引:43,自引:15,他引:43
给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为实际负荷值。文中用变动量因子和变学习率的BP算法对其训练,训练后的网络便具有预测能力。同时,文中对基于遗传算法的固定权系数组合预测模型进行了简要的介绍。对几个实际系统的年、月、时负荷预测表明,该模型具有很高的预测精度。 相似文献
12.
13.
为了实现对大规模并网型光伏电站调度,分析影响光伏出力的气象相关因素,以光照强度和温度作为输入量,分季节建立了一种基于LVQ-GA-BP神经网络预测系统。通过LVQ(Learning Vector Quantization)神经网络对样本进行分类,将分类后的样本训练,得出基于BP神经网络光伏电站出力预测系统,从而提高光伏预测精度。采用GA算法替代传统的学习算法优化BP神经网络的权值和阀值,提高预测网络的训练速度。将建立的LVQ-GA-BP预测系统与传统系统进行了比较和分析,结果表明:该方法的建立,不仅提高了光伏出力的预测精度,而且还提高了BP神经网络的训练速度,具有潜在的工程应用价值。 相似文献
14.
电力系统负荷预测是1项复杂的系统工程,其不仅涉及的领域广泛,而且不确定性的因素较多。文中在传统BP神经网络算法、改进型BP神经网络算法基础上,将BP神经网络与小波分析相结合,构建了小波神经网络模型,然后分别应用BP神经网络、改进型BP神经网络和小波神经网络对宁夏石嘴山地区电力负荷进行了中长期预测。通过对比分析表明,采用小波神经网络获得的预测数据比前2种方法获得的预测数据误差均要小。这说明了小波神经网络的预测结果更加准确,即采用BP神经网络与小波分析相结合的方法比单纯地采用BP神经网络算法进行电网负荷预测的效果更佳 相似文献
15.
基于灰色预测和神经网络的电力系统负荷预测 总被引:38,自引:12,他引:26
负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是:神经网络的输入为各种灰色模型(GM)的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。 相似文献
16.
17.
遗传神经网络在电力系统短期负荷预测中的应用 总被引:19,自引:9,他引:19
为了克服传统BP神经网络中存在的一些缺陷,实现准确、快速预测电力系统负荷的目的,作者通过将遗传算法与神经网络结合,构造了一种遗传神经网络来进行电力系统短期负荷预测,方法的思路是:首先,利用遗传算法有指导地计算神经隐层节点数,从而确定一个较合理的神经网络结构;其次,由遗传算法从初始权值的解群中选取出一个优秀的初始权值,克服初始权值选取的盲目性;最后,将得到的神经网络结构和优秀的初始权值结合起来,利用改进的BP算法进行电力系统短期负荷预测,仿真计算表明该方法达到了提高预测精度和改善网络性能的要求。 相似文献
18.
提出一种基于改进相似度的模糊聚类算法的光伏阵列短期功率预测方法,通过通径分析得到气象因子对光伏阵列日发电功率的影响权重。根据各个因子的权重自定义综合了加权相似系数和加权距离系数的统计量-相似度,建立模糊相似矩阵将历史日样本划分为若干类。然后通过分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的气象因素作为预测模型的输入样本建立BP神经网络发电预测模型,并利用差分进化算法对构建的BP神经网络的参数进行了全局寻优。以实际数据对所提模型进行了验证,并与传统的基于相似日选取的光伏功率预测模型进行了对比,结果表明该模型具有更高的预测精度,有利于光伏发电系统并网运行和电网安全经济调度。 相似文献
19.
20.
为提高甘肃电网负荷预测精度,提出了一种基于神经网络的负荷预测方法。针对甘肃电力系统负荷数据的非线性和动态特性,在多层前向BP网络中引入特殊关联层,形成有“记忆”能力的Elman神经网络,从而可以映射系统的非线性和动态特性。在网络训练算法中,采用自适应学习速率动量梯度下降反向传播算法,显著提高了网络的训练速率,有效地抑制了网络陷入局部极小点。文中分别采用El-man神经网络与BP神经网络建立模型,对甘肃电网实际历史数据进行仿真预测,经分析比较,证明前者具有收敛速度快、预测精度高的特点。这表明利用Elman回归神经网络建模对甘肃电网负荷进行预测是可行的,能有效提高负荷预测精度,在负荷预测领域有着较好的应用前景。 相似文献