基于模糊神经网络的供热负荷预测

为了克服传统BP神经网络预测精度差,易陷入局部极值的缺陷,提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化,快速寻找出样本数据间的连续属性的信息,将其与传统BP神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明:该模糊神经网络预测结果的相对误差很小不超过2%,在短期负荷预测方面具有的优越性。     

燃气小时负荷的模糊神经网络预测

分析了燃气负荷运行变化规律，研究了负荷模型分类模式，采用改进模糊神经网络进行小时燃气负荷预测。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

基于模糊逻辑技术的燃气负荷预测

分析了武钢煤气用户负荷的特点，探讨了应用模糊逻辑技术对燃气负荷的预测。     

基于模糊控制的RBF神经网络电力系统短期负荷预测

文章提出了一种模糊控制与RBF神经网络相结合的电力系统短期负荷预测算法,用以解决传统RBF神经网络在电力系统短期负荷预测中存在误差的问题。通过实例验证,该方法与传统的RBF负荷预测方法相比,提高了预测精度,并且具有较好的应用前景。     

RBF神经网络在燃气负荷预测的应用

介绍RBF神经网络技术,提出一种基于RBF神经网络的燃气月负荷预测模型,实例预测取得了较好效果。探讨了数据归一化参数对负荷预测精度的影响。     

RBF神经网络在燃气负荷预测中的应用

简要介绍了RBF神经网络技术,提出了一种基于RBF神经网络的燃气负荷预测模型,实例分析取得了较好效果,并探讨了数据归一化方法对负荷预测精度的影响.     

基于PM-RBF的电厂供热负荷预测研究

针对供热系统热负荷预测模型的非线性,给出了并行最小化RBF神经网络算法,同时修正了RPCL方法系统振荡问题。通过仿真得出,当训练样本合适时,综合误差在6%以内。具有良好的预测精度和速度。     

基于LSTM-BPNN混合模型的天然气负荷预测研究

准确的天然气负荷预测对燃气公司的生产运营、调度规划和安全供气至关重要。传统的天然气预测模型往往无法充分利用输入特征之间的时序相关性,这限制了它们的预测精度。因此本文提出了一种基于长短期记忆神经网络(LSTM)和反向传播神经网络(BPNN)的混合模型用于天然气负荷预测,其中LSTM用于对输入特征进行重编码,BPNN用于学习重编码特征和用气量之间的映射函数。该方法充分利用了LSTM的时序特征提取能力和BPNN的拟合能力,旨在对用气量进行更准确的预测。本文采用浙江某天然气门站1年用气数据对该方法的性能进行了验证。结果表明,与极端梯度提升树、BPNN和LSTM相比,该方法具有更高的预测精度。     

基于BP神经网络的地板辐射供暖系统逐时负荷预测

采用BP神经网络,可利用较少的输入参数建立地板辐射供暖系统热负荷预测模型,以大连市某超低能耗建筑为实测对象,根据实测的供暖期逐时热负荷数据建立了BP神经网络热负荷预测模型,并进行了改进.结果表明,采用基于多项式拟合改进的神经网络预测模型能够精确地预测一个单元未来24 h的逐时热负荷,预测误差为5％左右.     

基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息;RBF网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。     

基于BP神经网络的建筑工程承发包价格预测

通过分析已有的承发包价格预测方法,选取BP神经网络对承发包价格发展变化进行预测,并建立基于BP神经网络的建筑工程承发包价格预测模型,以西安市砖混结构住宅为例,证明了该模型具有很好的实用性和可操作性。     

基于BP神经网络的土体抗剪强度参数的预测

通过BP神经网络方法,利用某高速公路工程黄草坝滑坡体的土工试验数据,建立合适的预测模型,然后利用该模型来预测该滑坡体的抗剪强度指标并与土工实验结果相对比,结果表明,该模型对土体的抗剪强度进行了很好的预测,对土体工程具有重要的应用价值。     

天然气管网安装质量控制

高压天然气管网是城市能源输送的大动脉,其工程质量的优劣直接关系到公众的安全生活环境及管网的可靠运行。针对安装过程中的一些重点环节,如：材料验收、焊接控制、防腐措施、穿越工程实施、管沟开挖、清管通球等,文章分别进行了分析,提出了相应的安装质量控制要点。此外,还对穿越工程中不合理的压力试验规定提出了看法,为此类管道的安装提供了参考。     

BP网络在水泥土无侧限抗压强度中的应用

在总结前人的理论和实践成果的基础上,运用BP网络模型,结合工程实例,利用MATLAB工具,对水泥土无侧限抗压强度进行了初步的探讨,得出了一些结论,对工程实践具有一定的指导意义。     

人工神经网络在天然气负荷预测中的应用

提出了一种基于BP神经网络的天然气负荷预测模型，模型中考虑了影响负荷变化的各种因素。采用Levenberg-Marquardt优化方法，并利用Visual C 和Matlab软件进行计算机仿真，已用于实例。仿真结果表明该方法具有较好的准确性。     

模糊聚类和BP神经网络相结合的变形同步预测

研究了用模糊聚类方法分析变形点是否属于同一块变形体上,并对处于同一块变形体上的变形点建立BP神经网络同步预测模型的方法.通过分析,依据研究的方法建立的变形预测模型对变形点的变形量有很好的预测能力.     

基于人工神经网络的城市煤气短期负荷预测

应用人工神经网络误差反应传播模型对城市煤气管网的短期负荷进行了预测。根据城市煤气短期负荷变化的特性建立了既反映煤气负荷连续性,周期性及其变化趋势,又包含天气,气温,节假日等因素影响的短期负荷预测模型,并介绍了方法在实际中的应用。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。