基于混沌理论和BP 神经网络的某基地电力短期负荷预测

为了合理安排并优先保证军事基地中的电力调度问题,提出一种基于混沌时间序列和BP神经网络相结合的电力短期负荷预测方法。根据混沌理论及神经网络方法,先基于延迟坐标相空间重构技术,再应用互信息法和饱和关联维数法,选择延迟时间石和嵌入维数m,然后用BP神经网络来实现预测,并通过对海军某基地的电网的时间负荷序列进行实测仿真。仿真结果表明：相对误差均在5％vX内,且有33．3％的误差在1％以内,证明该预测方法具有较高的预测精度和应用价值。     

模糊控制与神经网络相结合的预测研究

针对模糊控制与神经网络的特点，提出了一种新的将模糊逻辑与神经网络相结合的方式，即模糊神经网络，同时给出了有效的算法；该算法训练速度快，预测精度高，并且用仿真实验验证了该模糊神经网络对混沌系统具有很好的预测性能。利用该模糊神经网络对一维Logistic map标准混沌系统进行了预测仿真实验，同时，与一般的神经网络进行了对比，讨论了该模型对被噪音污染的混沌数据的处理能力。     

基于遗传神经网络的机械振动信号预测

针对传统的BP神经网络学习算法存在易陷入局部极小及收敛速度慢等缺陷,文中提出了利用实数编码改进遗传算法对神经网络进行优化训练,并把训练好的神经网络用于对机械振动信号的预测, 并与传统BP算法以及改进BP算法预测结果进行比较,充分证实了文中方法的有效性.     

基于小波分解与重构的混沌时间序列预测

提出一种通用的混沌时间序列预测方法.算法首先通过小波分解与重构将具有混沌特征的时间序列分解为一个低频信号和多个高频信号;对不再具有混沌特征的信号分支采用神经网络模型预测;对具有混沌特征的信号分支采用基于非线性混沌动力学的预测模型;最后将各分支的预测值组合获得最终预测值.通过月平均太阳黑子数这一典型混沌时间序列的预测实验表明该方法比传统的神经网络预测方法和混沌预测方法的预测精度高,可以较好地应用于混沌时间序列的预测中.     

基于神经网络的模型参考自适应控制方法

针对传统基于模糊神经网络的模型参考自适应控制方法的一些不足,提出了一种基于BP神经网络的模型参考自适应控制结构,并对所使用的BP网络学习算法进行了分析改进。对比分析采用传统自适应方法和改进的自适应方法时,不同的控制仿真结果表明,改进后的方法可以有效地抑制神经网络的“过学习”现象,减小了对神经网络辨识器精度的依赖程度,改进效果显著。     

基于模糊小波神经网络的空中目标威胁评估

针对无人机获取威胁目标信息较少的情况,采用模糊小波神经网络(FWNN)解决空中目标威胁评估问题。同时为了提高模糊小波神经网络的收敛速度和泛化能力,提出了一种基于动态学习率的模糊小波神经网络,解决复杂战场环境信息的不确定性问题,采用BP算法更新每个模糊规则前、后件部分的所有参数,并通过仿真实现对目标威胁进行评估。仿真结果表明,该算法可提高系统的稳定性,加快收敛速度,增强预测精度。     

基于蜂群算法优化向量机的微弱信号检测方法

针对传统检测方法对混沌背景下微弱信号检测能力的不足,提出了基于蜂群算法优化支持向量机的微弱信号检测方法。该方法通过混沌信号的时间延迟和嵌入维实现相空间重构,利用蜂群算法对支持向量机的惩罚系数和核函数参数进行优化,结合支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号)。以Lorenz系统和雷达实测得到的海杂波数据作为混沌背景噪声进行验证研究,仿真实验结果表明,所提方法能有效地抑制噪声对混沌背景信号的影响并检测出混沌背景噪声中的微弱信号。与传统方法相比,预测精度和检测门限方面的性能都有显著的提高。     

基于神经网络的弹道修正弹落点预测方法

为了分析神经网络运用于弹道预测的可行性,构建了实用的弹道预测工具,建立了基于神经网络理论的弹道预测模型。利用二自由度质点弹道模型,选取BP网络和Elman网络进行神经网络弹道预测仿真。基于误差反向传播理论,比较了带动量项算法与自适应学习率算法这2种网络权值训练速度。对2种网络不同隐层节点数的学习误差和预测误差进行了对比分析。数值仿真计算结果表明,神经网络具有较高的预测精度,36.7 km射程仅有不足100m的射程误差,12.3 km射高仅有不足70 m的高度误差,预测结果满足要求,利用神经网络进行弹道预测是合理可行的。     

基于混沌神经网络的供配电系统故障诊断

基于混沌神经网络的供配电系统故障诊断,采用引入动量项和混沌映射的改进BP算法.先分析系统典型故障,建立典型网络模型.在BP算法中加入动量项和混沌映射,选择神经网络初值.再进行学习训练,分别给训练后的子网络输入现场采集的装备数据,通过网络直接获得故障诊断结果.     

基于BP神经网络的野外驻训备件需求预测研究

针对传统的备件需求预测方法主观性强,缺乏科学性等问题,以通信部队野外驻训为背景,从备件需求影响因素出发,提出一种基于BP神经网络的预测算法。对备件精确保障及需求预测和BP神经网络及其适用范围进行简要介绍,分析了备件需求影响因素,以某型电台的功放模型为样板,对BP神经网络预测算法的适用性进行了检测。结果表明,该方法能很好地提高备件需求预测精度,满足装备保障精确化的要求。