基于差分进化的BP神经网络在纱线质量预测中的应用

为了提高BP神经网络在纱线质量预测上的精度,采用差分进化算法训练BP神经网络,利用差分进化算法的全局寻优能力优化BP神经网络的权值和阈值,建立了反映纱线质量的重要指标——单纱强度和条干CV%的神经网络预测模型.对真实数据的测试表明该算法效果良好,提高了BP神经网络算法的预测精度,能够为企业的纱线质量预测提供有效支持.     

基于主成分分析的神经网络算法对期权价格预测研究

采用基于主成分分析的神经网络算法对华夏上证50ETF期权价格进行预测,并使用期权数据验证该方法的有效性。比较传统Black-Scholes期权定价、单个BP神经网络算法和基于主成分分析的BP神经网络算法对期权价格的预测精度,结果表明:基于主成分分析的BP神经网络算法预测精度最高,传统的Black-Scholes期权定价方法其预测精度最低。     

基于小波神经网络的交通事故的预测

为了有效避免交通事故对社会所产生的危害,采用小波理论中的Mallat算法和BP神经网络方法对交通事故进行预测。本文选取某省从2002年至2016年的交通事故发生情况为实验研究对象,并分4个时间段分别进行预测分析。实验结果分析表明:本文采用的预测方法与BP神经网络预测方法相比较,在预测精度方面有了较大的提高。     

基于信息融合技术的变压器故障诊断

利用变压器绝缘油中溶解气体分析,检测油浸式变压器内部早期故障,已经成为变压器监测的一种重要手段,以确保变压器的安全可靠运行,从而对变压器的定期维修方式转变为内部状态预知维修方式。以变压器油中溶解特征气体为基础,运用BP神经网络、Elman神经网络和概率神经网络对故障变压器进行初步诊断,再利用D-S证据理论进行数据信息融合来确定变压器的运行故障。     

改进的Elman神经网络在短期电力负荷预测中的应用

为了提高Elman神经网络进行短期负荷预测时的精度,解决预测过程中易陷入局部最优解等问题,采用非线性阻尼最小二乘法对学习算法进行优化,并对激励函数进行改进,建立双隐含层Elman神经网络模型。Matlab仿真结果表明,改进后的模型对短期电力负荷进行预测的精度高于传统BP神经网络模型,达到了短期负荷预测所要求的误差范围,说明该方法和模型是可行有效的。     

基于小波神经网络的房地产价格指数预测研究

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型。应用BP神经网络来对房地产价格指数进行预测,精度和收敛的速度都不是很理想,这主要是因为BP神经网络本身存在着缺陷。为了克服BP神经网络的缺陷,本文将小波变换和BP神经网络结合起来,运用小波神经网络来对房地产价格指数进行预测,并与BP网络的预测结果进行了比较,最后发现用小波神经网络进行经济预测可以达到很好的效果。     

基于GA-BP神经网络的短期负荷预测

以供热系统为研究对象,针对集中供热热负荷中由于温度因素、随机因素以及建筑本身因素等导致预测精度不高的问题．提出了采用BP神经网络算法来进行预测,它对具有非线性的模型有很好的控制效果,并且可以进行自我学习．但由于BP神经网络的波动较大,比较容易出现局部优化现象,因此在使用BP神经网络的基础上进行改进,将BP神经网络与遗传优化算法相结合,弥补BP神经网络的不足．最后通过仿真实验,结果表明热负荷预测的误差大大减少,预测精度提高,继而实现合理供热．     

基于改进BP神经网络的变电站检修运维成本预测

变电站的检修运维成本受众多复杂因素影响,且检修费用数据记录具有模糊性和波动性.为解决检修费用记录不明的问题,首先对变电站检修条目划分并采用水平和垂直方向的数据分析方法进行处理,再利用BP神经网络预测检修运维成本.为提高BP神经网络预测精度,采用K-fold交叉验证对原始数据训练模型进行精准调整,应用遗传算法对BP神经网路的初始值和阀值进行调整和改进,从而建立基于遗传算法的改进BP神经网络检修运维成本预测方法.以某地市变电站为例进行变电检修运维成本预测,对比分析显示所提方法能有效提高模型预测精准度,从而为电网给变电站拨付检修费用提供参考价值.     

基于BP神经网络的平面变压器寄生参数预测

平面变压器的结构与寄生参数具有复杂的非线性关系,难于精确建模计算。基于BP神经网络,以试验数据为基础,建立了平面变压器的结构和寄生参数的映射模型。运用该模型对平面变压器的部分寄生参数进行了预测,预测精度满足工程实际需要。并对平面变压器结构与寄生参数的关系,运用该模型进行了分析,较好地反映出该变压器结构与部分寄生参数之间的非线性关系。预测结果对平面变压器的设计有较大的指导意义。     

RS-BT神经网络融合建模及应用

针对采用BP神经网络进行滑坡灾害预测时其输入变量的选择是影响预测效果和运算速度的关键问题,本文提出构建粗糙集和遗传神经网络一体化模型思路,其基本目的是利用粗糙集在数据挖掘方面的优势和BP神经网络的预测能力,优势互补以期解决上述问题。结合实例,本文首先利用粗糙集理论建立了影响滑坡灾害的各类因素决策表并进行了约简,然后利用各因素对决策属性的支持度进行了BP神经网络初始权值的配置及预测试验。实验表明,利用该模型可以有效的删除冗余信息,提高神经网络的运算速度和预测精度,在实际工程中有一定的应用价值。     

电力变压器故障诊断的人工神经网络方法

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义．在介绍人工神经网络（ANN）和模糊理论的基本工作原理的基础上,针对变压器故障诊断的特点,运用油中溶解气体分析法（DGA）,采用分块化的反向传播神经网络（BP）,建立了变压器故障诊断的神经网络模型．通过训练和实际测试,表明了这一方法的有效性和可行性．     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP（Back—Propagation）网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35．4％,收敛速度提高了44．9％,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90．8％。     

设备预知维修的遗传神经网络方法研究

预知维修是设备维修的发展趋势,它已成为人们研究的热点。具有高度非线性和很强的自学习能力的BP神经网络使预知维修成为可能,但由于BP算法存在收敛速度慢、易出现局部极小值等缺陷。遗传算法全局搜索能力强,弥补了BP算法的不足。将两者结合起来,可发挥各自的优势,研究了遗传神经网络的学习算法,构造了时间序列预测和状态预测的预知维修模型。实例分析表明,此种方法科学高效,适合各类复杂设备的预知维修管理。     

基于Mask R-CNN与改进BP神经网络联合算法的变压器套管红外热故障诊断

为解决传统图像类算法在变压器套管状态诊断时存在的效率低、准确度不高以及复杂背景下变电设备目标识别困难等问题，提出了将Mask R-CNN与改进BP神经网络相结合的套管红外图像状态诊断方法。首先，利用Mask R-CNN解决套管红外图像背景复杂时分割困难的问题；其次，基于灰度特征的特征量提取方案，实现对红外伪彩图特征量的提取；最后，引入粒子群优化BP神经网络（PSO-BP）算法对变压器套管特征进行分类识别。实验结果表明，该方法对红外图像中套管的运行状态具有较好的检测效果，对套管中介质损耗故障、接头故障和漏油故障的故障诊断准确率分别可达100.0%、88.9%和96.3%，平均准确率达到93.518%，优于传统BP算法和支撑向量机（SVM）算法。     

基于神经网络的摄像机色度标定方法

研究将摄像机颜色数据从设备依赖色空间转化到与设备无关色空间 .利用BP神经网络的非线性映射特性 ,实现RGB色空间到CIELAB色空间的映射 .给出用不同的网络结构得到的映射精度 .对于摄像机色空间的颜色数据转换 ,用BP网络可以获得令人满意的转换精度     

基于灰色神经网络模型预测变压器油中溶解气体的含量

建立了变压器油中溶解气体的灰色神经网络预测模型,用MATLAB仿真计算,结果表明该模型优于单独GM（1,1）模型。     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。