共查询到20条相似文献,搜索用时 33 毫秒
1.
由于经典RBF神经网络中的隐含层节点数、连接权值等结构参数基本由经验获取,因此经典RBF神经网络模型的性能取决于建立模型专家的主观性,存在一定的盲目性和随机性,难以对巷道变形进行准确预测。为此,采用贝叶斯阴阳和谐学习算法对经典RBF神经网络模型的隐含层节点个数、连接权值等结构参数进行了优化,提出了一种基于改进RBF神经网络的巷道变形预测模型,即对角型广义RBF神经网络模型。采用潞安和兖州矿区的综放回采巷道的现场长期监测数据分别对经典RBF神经网络模型以及对角型广义RBF神经网络模型进行了试验分析,结果显示:①对巷道顶底板变形进行预测时,对角型广义RBF神经网络模型的准确率约92.2%,经典RBF神经网络模型的准确率约80.6%;②对煤帮变形进行预测时,对角型广义RBF神经网络模型的准确率约90.2%,经典RBF神经网络模型的准确率约78.6%。上述试验结果表明,对角型广义RBF神经网络模型对于巷道变形预测的精度明显优于经典RBF神经网络模型,对于高精度巷道变形预测有一定的参考价值。 相似文献
2.
为了能够准确地预测出离心泵的性能参数值,利用了径向基函数神经网络(RBF)建立对其进行性能预测的神经网络模型,可以研究离心泵的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。利用MATLBA软件实现了RBF神经计算,分别对离心泵的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。 相似文献
3.
4.
针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。 相似文献
5.
6.
7.
基于RBF神经网络的瓦斯涌出量预测 总被引:1,自引:0,他引:1
传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对预测精度的影响,并与同结构的BP神经网络预测结果进行了对比。研究结果证明了RBF神经网络在瓦斯涌出量预测中的有效性。 相似文献
8.
基于RBF神经网络的离心压缩机的性能预测研究 总被引:2,自引:2,他引:0
利用径向基函数神经网络(RBF)建立对离心压缩机性能预测的神经网络模型,从而能够精确地预测出离心压缩机的性能参数的大小,能够分析离心压缩机的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。应用数值计算软件MATLBA软件完成了离心压缩机的性能预测,分别对离心压缩机的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。 相似文献
9.
复合绝缘子由于其质量轻体积小、机械性能好、抗污能力强、安装方便的特点而被大范围使用,但由于复合绝缘子伞裙和芯棒材料在使用中容易产生劣化,劣化后的复合绝缘子电气性能将会降低,其自然闪络及污秽闪络特性有待研究。选取的样品为运行5~7年的220 kV复合绝缘子,进行了劣化复合绝缘子的自然状态污闪试验和人工污秽闪络试验。研究发现,不同劣化程度的复合绝缘子在自然状态下的闪络特性差距较大,且随着劣化程度的降低,闪络电压呈现增加的趋势。闪络电压最高的样品为最低样品闪络电压的3.956 7倍。对于6支绝缘子试品,其低压端试验样品污闪电压明显低于高压端试验样品,低33%~64%。对于不同劣化程度的复合绝缘子,其闪络电压均随着SDD的增加而降低,且污秽对轻度劣化绝缘子闪络电压影响较大。劣化复合绝缘子闪络电压和SDD之间依然满足负幂函数关系,且随着劣化程度的降低,其幂函数常数a逐渐增加。研究结果对外绝缘劣化复合绝缘子防污工作具有指导和借鉴意义。 相似文献
10.
11.
RBF神经网络技术预测煤矿地下水位方法的优化研究 总被引:1,自引:0,他引:1
实时预测煤矿地下水水位及其分布范围对于煤矿的安全生产至关重要。以韩城象山矿区的历史水文数据为研究依据,采用RBF神经网络技术,对预测该地区的地下水水位进行了研究。针对RBF神经网络的不足,对RBF算法的中心点数量,计算欧氏距离时各分量的权重进行了优化,导出了ARBF算法。数据对比表明,ARBF神经网络算法达到了更为理想的效果。 相似文献
12.
13.
14.
瓦斯水合物生成是复杂的结晶过程,不同组分和浓度瓦斯生成水合物时压力等热力学参数的获取对水合物技术的应用具有非常重要的意义。鉴于此,利用径向基神经网络方法对瓦斯水合物生成压力进行了预测。针对瓦斯水合物生成边界条件,确定了RBF神经网络的输入、输出向量,建立了RBF神经网络瓦斯水合物生成压力计算及预测模型,并用实验数据进行了验证。结果表明,该模型对瓦斯水合物生成压力的拟合和预测具有计算精度高、速度快等优点。RBF神经网络研究为瓦斯水合物生成压力预测提供了一种新途径。 相似文献
15.
16.
17.
数控切削加工表面粗糙度RBF神经网络预测模型 总被引:2,自引:0,他引:2
针对数控切削加工表面粗糙度存在预测精度不高的问题,采用径向基(RBF)神经网络技术,以多组实际加工试验数据作为样本,建立了以转速n、进给速度vf、背吃力量ap为自变量的切削表面粗糙度预测模型。试验及预测结果表明:切削表面粗糙度RBF神经网络预测模型的预测相对误差小于2.7%,而回归分析预测值的相对误差在7.1%~14.0%变动。充分说明数控切削加工表面粗糙度RBF神经网络预测模型的预测精度高,可满足数控切削加工表面粗糙度实时在线预测的要求。 相似文献
18.
影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。 相似文献