洪水水文预报系统

水文预报系统是计算机算法应用于水文预报的一次实践 ,在从产汇流原理出发 ,详细阐述系统结构 ,工作原理及系统特征 ,还对软件的应用及今后开发前景进行了展望 ,随着社会发展和科技进步 ,实施计算机预报系统便于提高预报精度 ,增强水文预报的时效性 ,将使水文预报作用日益显著。     

基于遗传BP算法的短期负荷预报

针对电力系统负荷数据的特点选取样本对,并对数据进行了处理,采用改进的遗传ＢＰ算法对电力系统短期负荷进行预报,有效地避免了局部极小,达到了满意的精度。     

基于遗传BP算法的短期负荷预报

针对电力系统负荷数据的特点选取样本对,并对数据进行了处理,采用改进的遗传ＢＰ算法对电力系统短期负荷进行预报,有效地避免了局部极小,达到了满意的精度。     

基于MapReduce模型遗传算法的一种改进与实现

遗传算法的内在隐并行性决定了其能够以少量的问题编码进而处理大量模式,不少处理更大规模且复杂问题的并行遗传算法也提了出来。本文给出了在Hadoop中MapReduce并行计算框架下简单遗传算法的并行化处理流程,结合框架处理输入和输出键值对的特点提出了基于最小堆的最优个体保留策略的遗传算法在的设计与实现,进一步优化了算法的收敛速度。实验结果表明:运用框架的并行处理能力及堆的线性操作时间,应用于较大规模复杂问题该算法实现在收敛速度上呈良好特性。     

基于遗传算法的参数优化估算模型

支持向量机中参数的设置是模型是否精确和稳定的关键。固定的参数设置往往不能满足优化模型的要求,同时使得学习算法过于死板,不能体现出来算法的智能化优点,因此利用遗传算法(Genetic Algorithm,简称GA)对估算模型的参数进行优化,使得估算模型灵活、智能,更加符合实际工程建模的需求。     

基于遗传算法和BP人工神经网络的软件质量评价模型研究

针对软件质量评价的问题,提出了一种基于遗传算法和BP人工神经网络的软件质量评价方法,建立了软件质量评价模型,提高软件质量评价的准确性。利用遗传算法的全局随机搜索能力弥补了网络容易陷入局部最优解的问题。最后通过实验得到的数据结果,证明了该方法能够更加准确的评估软件质量。     

一种基于CGA的改进BP神经网络模型

针对BP神经网络存在的收敛速度慢和可能产生冗余结构等问题,采用混沌及其在遗传算法中应用的相关理论,设计了利用混沌遗传(CGA)算法对BP网络的初始权值和阈值进行全局寻优的改进措施,提出了一种基于混沌遗传的混合BP神经网络模型.经过实验分析,验证了算法的有效性.     

基于遗传算法的SPM模型校准方法研究

SPM传播模型广泛应用在移动通信网络规划和优化中,为了提高SPM模型的准确性,需要根据实测数据对模型进行修正。该文采用含有七个修正因子的SPM模型,利用遗传算法对这些因子进行调整,建立了模型校准的方法和程序,能够实现对SPM模型的科学校准。通过实例,证明了该方法是可行的,并且有较高的校准精度。     

基于遗传算法的BP神经网络技术应用

目前,传统的BP网络算法可以很精确地接近非线性函数,但是仍然存在着两大缺点,就是收敛速度缓慢与极易陷入局部最小值。而基于遗传算法的神经网络技术的提出可以很好地解决这个问题,通过仿真实验对比之后我们可以发现它能够很好地将两者进行有机融合,加快收敛精度与收敛速度。     

基于改进遗传算法的FIR数字滤波器优化设计

借助云模型的思想将云模型和遗传算法相结合,对FIR数字滤波器进行优化设计.通过Matlab仿真验证了这种改进算法的有效性,并取得了比使用传统遗传算法来进行FIR数字滤波器优化设计更好的优化效果.     

基于遗传神经网络的入侵检测模型

这篇文章提出了一种基于遗传神经网络的入侵检测模型-进化神经网络入侵检测系统(ENNIDS),模型的核心模块利用遗传算法优化神经网络来实现,结合了误用检测和异常检测技术,并从理论上分析了该模型各个模块的功能和实现技术.我们在UCI机器学习数据库的入侵检测数据集上进行了实验,实验结果表明:该模型在检测正确率、误警率等方面能获得校好的性能。     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。     

基于BP算法的信息化厂商评价模型研究

信息化厂商质量评价是供电企业信息系统运维的重要工作,其中关键的一项就是对信息化厂商质量进行分析评估,这对于信息系统运行可靠具有重要意义。将遗传算法神经网络原理引入信息化厂商质量评价领域,构建了基于遗传算法和神经网络的信息化厂商质量评价模型,为供电企业的信息化厂商质量评估研究提供模型和方法的支撑。实证结果表明,模型具有较强的自组织、自学习和自适应能力,模型评估结果比较客观合理。     

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hop-field神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点。并进行了仿真验证。实验结果证明...     

基于改进自适应遗传算法的图像配准方法

采用遗传算法进行图像配准时,存在收敛速度慢、易早熟的问题,可能导致误配。为克服这些缺点,提出了改进的自适应遗传算法(improved adaptive genetic algorithm,IAGA)。该算法以互信息作为相似性测度,通过对遗传参数设置的改进,自适应的调解进化过程中的交叉概率和变异概率,既提高了遗传算法的收敛速度,又有效地防止了早熟。实验结果表明,改进算法具有更好的有效性和精确性。     

基于LSTM循环神经网络算法的风电预测技术

风力发电的随机性和不可控性,给发电控制环节造成控制负担,利用不同高度的风速、风向等气候因素对风力发电数据进行准确预测,有利于制定合理的调度计划.本文使用LSTM循环神经网络算法,实现了单变量预测未来一个时间点、多变量预测未来一个时间点的风电预测实例验证,实验结果发现算法在两种情况下均保持着高的预测精度.且由于单变量和多...     

基于改进遗传算法的C-RAN网络动态无线资源分配

针对云无线网络(Cloud Radio Access Network,C-RAN)中传统静态资源分配效率低下以及动态无线资源分配中资源种类单一的问题,提出了一种基于用户服务质量(Qulity of Service,QoS)约束的动态无线资源分配方案,对无线资源从无线射频单元(Remote Radio Head,RRH)选择、子载波分配和RRH功率分配三个维度进行研究.首先,根据传统的C-RAN系统传输模型和QoS约束在时变业务环境下建立了以发射功率为变量,以吞吐量最大为优化目标的优化问题;然后,基于改进的遗传算法,将原优化方案转变为通过优化RRH选择、子载波分配和RRH功率分配来达到提高系统吞吐量的目的;最后,将改进的遗传算法与其他智能算法在种群规模变化下进行了时间复杂度对比.实验结果表明,所提算法具有较低时间复杂度,所提资源分配方案下的平均吞吐量增益为17％.     

小生境进化RBF网络在信道均衡中的应用

基于RBF网络的信道均衡器,其性能取决于神经网络的隐层参数.文中采用判决反馈均衡器的结构,RBF网络隐层的结构和参数则由基于小生境技术的混合递阶遗传算法来确定.仿真结果表明,这种RBF网络均衡器性能优良.     

基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。并对交叉算子和变异算子进行了优化,实现了交叉和变异概率随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。