基于气象参数统计的绝缘子污秽度评估方法

绝缘子污秽度是线路运行维护人员制定防污闪方案的重要基础数据,一直存在停电测量困难、在线监测不便等现状。提出了一种基于气象参数统计的绝缘子污秽度评估方法,以历史的气象参数月统计值以及对应月末绝缘子表面的等值盐密、等值灰密为输入参数,采用BP神经网络实现指定气象条件下绝缘子污秽度变化量的预测,在初始污秽度已知的前提下,可实现后续月末绝缘子污秽度的评估。选用某条220 k V输电线路进行算例分析,评估出的等值盐密、等值灰密平均值与实测值平均偏差16%左右。结果表明,该方法可在已有的数据基础上实现绝缘子污秽度评估,对于输电线路的防污闪工作具有一定的指导作用。     

接触网绝缘子污秽度预测模型的建立

为探索污秽绝缘子泄漏电流与其表面污秽度之间的联系及它们之间具体的函数关系。首先,在人工污秽实验室多次试验,提取泄漏电流的特征量,筛选出3个有效特征量:泄漏电流有效值Ie、泄漏电流最大值Im及泄漏电流标准差σ,分别得到它们与绝缘子表面污秽度的关系;其次,利用特征量及环境湿度作为输入变量,搭建预测绝缘子污秽度的BP神经网络模型,并与试验结果对比。结果表明:提取的特征参量能够预测绝缘子污秽度,预测结果为工程人员清洁染污绝缘子工作提供参考。     

基于遗传算法优化BP神经网络的短期热负荷预测方法研究

本文以集中供热系统为研究对象,利用遗传算法优化神经网络,对该系统的短期热负荷预测方法进行研究。首先采暖热负荷受气象因素、系统因素、建筑因素、随机因素等多种非线性因素的影响,针对以上问题,先确定输入、输出样本,建立BP神经网络模型;然后利用遗传算法对BP网络的不足进行优化,建立GA-BP预测模型;最后,以MATLAB软件为平台,用遗传算法优化BP神经网络结构的权值和阈值,实验结果表明,经过遗传算法优化的BP神经网络预测模型的平均相对误差减少5%,对短期热负荷的预测精度有一定的提高。     

基于遗传算法改进BP神经网络的页岩气产量递减预测模型

页岩气藏储层孔隙特征复杂、渗透率不高,导致页岩气产量递减规律与常规气藏不同,常规递减模型对页岩气藏适应性较差。根据遗传算法改进的BP神经网络,建立以时间、累计产量、地层压力作为输入层,页岩气日产量作为输出层,遗传算法优化神经网络权值和阈值的页岩气产量递减预测模型。将改进的BP神经网络、常规的BP神经网络和Arps递减模型的预测结果进行比较,遗传算法优化的BP神经网络的最大相对误差为8.184%,常规BP模型的最大相对误差为17.821%,Arps递减模型最大相对误差为19.950%。遗传算法优化的BP神经网络预测精度最高,可见,此方法对页岩气产量递减预测具有较好的适用性,为预测页岩气产量递减提供了1个有效、可行的方法。     

高原盐碱区接触网复合绝缘子污闪电压预测研究

铁路接触网使用复合绝缘子保障铁路电力正常供给已初有成效,但高原盐碱地区接触网绝缘子污闪事故时有发生.为辅助铁路供电部门对染污绝缘子及时清扫做好防污工作,通过试验得到不同型号的复合绝缘子在各种环境因素影响下的污闪电压,利用遗传算法优化BP神经网络建立接触网复合绝缘子污闪电压预测模型.将绝缘子型号因子(δcF)、盐密(ES...     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

基于遗传算法优化BP神经网络的钛合金旋转超声磨削力预测

为预测钛合金旋转超声磨削过程中磨削力的大小,提出了使用遗传算法优化BP神经网络模型来预测磨削力的方法,首先建立磨削力与加工参数(超声频率、超声功率、进给速度、主轴转速)和磨具参数(磨料浓度、磨料粒度)之间的BP神经网络预测模型,采用遗传算法(GA)优化BP神经网络的阈值和初始权值,依据"六因素三水平"的正交试验结果对神经网络模型进行训练。然后对旋转超声磨削力进行仿真预测,神经网络模型预测值与试验值的误差较小,平均相对误差仅为5.97%,结果表明,使用所提模型预测钛合金旋转超声加工的磨削力具有较高的预测精度。     

mRMR和PSO算法对神经网络预测模型优化效果

提出利用最大相关和最小冗余(mRMR)算法、粒子群优化(PSO)算法,对BP神经网络预测模型进行优化。对某住宅楼进行供热负荷预测,评价3种神经网络预测模型(BP神经网络预测模型、mRMR-BP神经网络预测模型、PSO-mRMR-BP神经网络预测模型)的预测效果。在3种神经网络预测模型中,BP神经网络预测模型的预测效果最差,PSO-mRMR-BP神经网络预测模型的预测效果最佳。与BP神经网络预测模型相比,经过mRMR算法对输入变量进行筛选以及PSO算法对初始参数进行优化,PSO-mRMR-BP神经网络预测模型的预测效果显著提高。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

基于遗传算法的BP神经网络模型在地下水动态预测中的应用研究

地下水系统是一个复杂的非线性动力系统,地下水系统的输出(地下水位)与输入(降水入渗、蒸发、人工开采等)具有非常复杂的非线性关系。神经网络以其强大的处理非线性系统的能力而在地下水水位预测中得到了广泛的应用,它与传统的统计分析模型相比,具有更好的持久性和适时预报性,且能用于解决同时存在多个自变量和多个因变量的地下水系统预报问题。但是由于网络输入存在多重共线性,导致网络泛化能力不高,降低了网络的预测性能;并且在求解时易陷入局部极小,且收敛速度慢。针对以上问题提出了基于遗传算法的BP神经网络地下水动态预测模型。先用遗传算法优化确定BP网络的初始权阀值,然后应用LMBP算法在这个解空间里对网络进行精调,搜索出最优解或近似最优解。这样既实现了两者的优势互补,发挥了神经网络广泛的映射能力和遗传算法的全局搜索能力,也加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力。本文以Matlab7为平台设计了计算过程和具体的实现方式,还以分布于元宝露天矿区的6眼监测并为例,分别采用基于遗传算法的BP神经网络模型和BP神经网络模型对研究区的地下水位进行了短期预测,从对比分析的结果来看基于遗传算法的BP神经网络模型明显优于BP神经网络模型,是一种预测短期地下水位比较理想的预测模型。     

遗传算法-人工神经网络应用于城市污水量预测

针对BP人工神经网络收敛速度慢和易于陷入极小值等缺点,提出了采用遗传算法优化神经网络权重及阈值的方法,并据此建立了基于遗传算法的人工神经网络预测模型,利用该模型对武汉市武昌北区城市污水量进行预测,结果表明该模型适用于城市污水量的预测。     

遗传优化的BP网络预测路基沉降

针对传统的BP神经网络存在收敛速度慢、易陷入局部极小点的缺点,提出了基于遗传优化的BP神经网络预测方法并建立了路基沉降预测模型。将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统的BP神经网络预测模型对比,结果表明遗传优化的BP神经网络在路基沉降预测中精度最高,适宜广泛采用。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

基于熵权模糊神经网络的绝缘子污闪状态评估

为了实现对绝缘子迅速、可靠的在线监测,本文基于熵权模糊神经网络建立了绝缘子污秽度在线评估模型。鉴于熵权法能够克服模糊算法权重受主观因素影响以及BP神经网络很强的自学习能力,提出了熵权模糊神经网络的算法。通过在实验室模拟不同环境特征量获得其与绝缘子污秽程度的内在联系,以及在现场获得的实时数据,论证了该方法的科学性和可行性。监控人员可以根据实时数据很快做出反应,以此来应对绝缘子污闪故障,为电网安全运行提供有力保障。     

基于DE-BP算法的空调负荷预测研究

建立了基于BP神经网络理论的空调系统负荷预测模型.针对BP神经网络参数优化过程中容易陷入局部最优的缺陷,采用差异演化算法(differential evolution algorithm,DE)对其进行优化,以提高预测精度.结合具体实例进行空调冷负荷预测,并与采用遗传算法、蚁群算法、粒子群算法对BP神经网络进行参数优化的仿真实验结果对比表明,由DE-BP算法所具有较好的预测性能.     

基于大气环境质量的电网绝缘污秽等级划分

通过测试户外挂网绝缘子表面自然积污量及实时监测湖南省各地市近年大气环境污染物主要因子(SO2,NO2,PM10)排放状况,建立了基于大气环境质量的输电线路绝缘子等值盐密、灰密的线性理论模型,并依据该模型对湖南电网绝缘污秽等级进行划分。结果表明,大气环境质量与绝缘子等值盐密、灰密之间具有较好的相关性,可通过对区域大气环境的实时监测,来实现对电网污秽等级的划分和动态调整。     

再生混凝土抗压强度预测方法研究

以BP神经网络在解决非线性问题方面的优越性为指导思想,建立了再生混凝土28 d抗压强度预测模型。利用具有全局搜索优势的遗传算法对BP神经网络进行优化,提高BP神经网络的预测精度。经过查阅相关文献,筛选出较为合适的L-M算法作为训练函数,把收集到的再生混凝土配合比数据代入网络进行训练与预测。结果表明,GA-BP神经网络预测精度较BP神经网络有了进一步提高。     

复杂地质条件下的隧道大变形组合预测研究

隧道大变形是隧道工程中的常见病害之一,严重威胁施工安全及工程进度,对其研究具有重要意义。以BP神经网络和支持向量机为基础,利用遗传算法和粒子群算法优化其结构参数,以实现单项预测模型优化,再构建线性组合模型和非线性组合模型,实现了隧道大变形的组合预测。实例分析表明:组合预测模型较单项预测模型具有更高的预测精度和稳定性,且以BP神经网络权值法的组合效果最优。通过研究,为大变形防治及变形规律评价提供了借鉴和参考,具有一定的实用价值。     

基于GA—BP神经网络的大型公共建筑能耗预测研究

针对大型公共建筑高能耗问题,将影响能耗的因素进行定量与定性分析,提出了遗传算法和神经网络相结合的大型公共建筑能耗预测模型。采用GA算法优化BP神经网络的权值和阈值的方法对大型公建能耗预测模型进行分析,并结合实例验证了该模型的有效性。结果表明：较传统的BP神经网络,该模型能更准确地预测大型公共建筑能耗,并且为其确保用能定额和节能工作的开展提供了科学依据。     

基于禁忌遗传神经网络的热舒适度预测模型研究

热舒适度指标的计算过程具有非线性性、计算复杂度高等特点,致使空调的实时控制器无法直接使用。针对这一问题,提出了一种基于改进的禁忌遗传算法神经网络的热舒适度预测模型(TGA-BPNN)。该模型利用神经网络训练函数优化遗传算法的初始种群,并通过禁忌表改进遗传操作。仿真实验表明,与BP神经网络及遗传神经网络相比,TGA-BPNN不仅能提升种群的多样性,还能快速找到全局最优解,从而进一步提升模型预测的准确性。