考虑多影响因素的加油站销量预测研究

加油站销量预测是成品油二次物流中不可或缺的一部分,有利于推进油品主动配送,帮助二次物流运输精确调度,提升企业整体运行效率。通过历史数据及模型结果分析得出,加油站销量与特殊日期、长短时等多因素有关,文章在长短期记忆网络（LSTM）基础上引入多因素特征构建预测模型,并以某市加油站真实销量数据为实例进行检验。经验证,模型在汽油预测方面的平均误差小于15%,柴油预测的平均误差小于18%,能够满足应用需求。     

基于长短时神经网络的城市需水量预测应用

在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建。该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证。     

基于长短时记忆循环网络的塑料编织机故障诊断研究

长短时记忆(LSTM)循环神经网络的塑料编织机故障诊断法通过提取振动信号的能量矩,突出信号在时间轴上的分布特征,降低输入模型的向量维度。从多个特征向量构成的样本集中选择80%作为训练样本,训练LSTM循环神经网络模型,并利用剩余样本验证模型的检测精度;以准确率、查准率和查全率作为评价指标,利用多组不同的振动数据样本,对BP神经网络模型、卷积神经网络(CNN)模型和LSTM循环神经网络模型进行比较分析。结果表明:LSTM循环神经网络模型在不同样本中能够同时达到较高的准确率、查准率和查全率,其平均值分别可达95.69%、86.96%、96.89%,证明LSTM循环神经网络能充分学习具有时序特性的故障信息,对塑料编织机的故障诊断具有可行性和有效性。     

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

基于遗传神经网络的电力系统负荷预测研究

在国内外学者的研究工作基础上,综述了BP神经网络及遗传算法在电力系统负荷预测中的应用,并研究了两种方法在电力负荷预测中的综合应用问题,结合实际的乌兰察布电力系统运营数据,对其进行了分析预测。得到了几天至十几天乌兰察布市的电力系统负荷预测的数据,并对这一实证结果进行了经济和管理意义上的分析。实证预测结果为乌兰察布电力有关部门电网运行的制定和企业近期经营方式提供了新的思路,具有较好的理论和实际应用价值。     

基于遗传神经网络的微滤膜通量的预测

针对BP神经网络在寻优过程中容易陷入局部极小值的缺点,将遗传算法和BP神经网络相结合,构造了一种基于遗传算法的反向传播（GABP）神经网络。网络的训练分为两步：首先利用遗传算法群体寻优策略,采用遗传算法对网络权值和阈值进行全局搜索,保证其落入全局最优点的邻域;然后再用梯度法对网络权值进行细化训练以进一步减小误差,使其收敛于全局最优解或性能很好的近似最优解。网络训练时使用的数据是在不同操作条件 （温度、压力、浓度）下,用标准孔径为0.1 μm 的亲水聚偏氟乙烯微滤膜过滤牛血清白蛋白(BSA)溶液时得到的膜通量实验数据,用训练好的GABP神经网络对微滤膜过滤BSA的膜通量预测研究结果表明,与传统的BP算法相比,GABP神经网络算法改善了网络收敛速度以及膜通量预测的准确度。     

基于自适应遗传算法的多变量系统近似模型设计方法

研究多变量系统近似模型设计方法中近似模型的选取问题,提出基于自适应遗传算法的最优近似模型选取算法。该方法是一种启发式智能选择方法,它改变了一直以来凭设计人员的经验选取近似模型的做法．使用方便,准确度高。所实现的基于近似模型技术的多变量系统鲁棒设计平台,集模型优化、系统分析和系统设计于一体,在工程上具有较大的应用价值。在自行研制的多变量系统设计平台中对一个参数不确定性工业对象的鲁棒系统进行设计,结果表明了该算法的有效性和实用性。     

基于遗传算法优化的BP神经网络预测混凝土抗压强度

针对传统BP神经网络预测能力的不足,采用遗传算法优化的BP神经网络预测混凝土28d抗压强度,并建立了GA-ANN预测模型。一方面对模型输入项进行灰色关联分析,找出对强度影响的重点关联因素;另一方面,研究了模型在不同输入项组合、不同训练组和输出组数、不同网络隐含层节点数的操作条件下,其预测精度有何变化,找出了最优的上述操作条件,减少了预测误差。     

基于吸附-扩散模型和遗传算法的反渗透膜性能预测

基于反渗透膜的吸附-扩散模型,导出了多孔膜对溶质的浓缩比表达式和组件的溶质平均脱除率。采用遗传算法对膜的性能进行了数学模拟,计算出了氯化钠对ESPA2反渗透膜的膜相溶质分配系数、溶质的膜相扩散系数、溶剂(水)的膜相扩散系数、膜的孔隙率和膜分离层厚度,计算得到的膜分离层厚度和膜相中水扩散系数等参数与芳香聚酰胺复合膜的测定值相吻合,其中,氯化钠透过率的均方差在10-7～10-6之间。     

基于神经网络和遗传算法的工艺参数优化

以翘曲变形和收缩为质量指标,采用正交试验法、神经网络模型和遗传算法,优化了模具温度、熔体温度、注塑压力、注塑时间、保压压力、保压时间和冷却时间,获得了工艺参数的最优配置组合,提高了制品质量。利用最优配置组合的工艺参数进行了注塑成型试验,并通过测量验证了CAE模拟的正确性。     

基于神经网络和遗传算法的注射成型工艺优化

论述人工神经网络和遗传算法在塑料注射成型工艺优化中的应用,首先利用人工神经网络建立注射成型工艺参数与塑件翘曲量之间关系的数学模型,然后用遗传算法对工艺参数优化.其中由正交法设计得到实验样本,由数值模拟软件计算得到塑件翘曲量,将其作为优化目标.按优化后的工艺参数进行实验,获得较高质量的塑料制品,从而为建立和控制注射模工艺参数提供一种行之有效的途径.     

基于改进遗传算法的BP神经网络手写数字识别

手写数字识别是光学字符识别技术的一个分支,一般采用神经网络,其中较为突出的是BP神经网络,但BP算法易陷入误差局部最小产生振荡且训练速度慢,通常先采用优化算法对其结构进行优化。为此,在分析GA-BP算法原理的基础上,提出对GA算法的相应算子中交叉和变异概率进行改进的方法,并用改进的GA算法优化BP神经网络的连接权值和阈值。以手写体数字识别为对象进行实验,结果表明：该方法具有更快的收敛速度和更可靠的稳定性,大大提高了BP神经网络的学习速度和识别率。     

基于免疫遗传算法-BP神经网络的主汽温控制

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计一种基于免疫遗传算法、BP神经网络和RBF神经网络的智能PID控制系统.利用免疫遗传算法的全局搜索寻优能力和较好的收敛性优化神经网络的权值,同时利用BP网络对PID参数进行在线调整.仿真结果表明,该系统在控制品质、鲁棒性方面都明显优于常规PID控制系...     

基于聚类算法的模糊神经网络MCP预测方法研究

本文提出采用聚类算法的模糊神经网络来预测MCP。该预测模型结构简单,是数据驱动的模型,通过对输入输出数据对的模糊C均值聚类确定模糊规则的数目,解决了全连接模糊神经网络模糊规则数目难以确定以及网络复杂所带来的训练时间长的问题。     

基于RBF神经网络的遗传算法在织物染色配色中的应用研究

本文提出一种基于RBF神经网络的遗传算法解决织物染色配色问题的模型,该模型以遗传算法为主,通过使用RBF神经网络建立遗传算法的适应度函数来共同解决织物染色配色问题。通过实验表明,使用基于RBF神经网络的遗传算法配色模型可以快速提供满足企业要求的染色配方。     

用BP神经网络和遗传算法优化电沉积Cu-W的工艺参数

用神经网络和遗传算法(BP-GA)优化电沉积Cu-W的工艺参数。结果显示:BP-GA预测结果与试验结果较接近,相对误差为9.05%,说明BP-GA优化电沉积工艺参数有较高的预测能力和准确度。     

燃料电池基于改进遗传算法的多层前向神经网络控制

通过对熔碳酸盐燃料电池（MCFC）温度动态模型的分析,根据控制对象的非线性和参分布的特点,提出了基于遗传算法的反馈型多层向神经网络对顺流型MCFC温度进行控制的方案,通过对传统遗传算法的分析,提出了改进的遗传算法,用该算法对神经网络的权值进行优化,并给出了具体的学习算法,最后结合前人的MCFC模型动特性分析方面的工作和实验数据进行了仿真,结果表明这种控制方法是合理和用效的。     

基于EMD-BP神经网络的短期电力负荷预测

针对电力负荷具有的非平稳、随机性、不确定性的特点,提出用EMD-BP神经网络方法对电力负荷进行预测,通过EMD方法将非平稳、随机的电力负荷数据转换成平稳、确定性数据,之后利用BP神经网络进行电力负荷预测。通过仿真试验可以看出,相比于直接使用BP神经网络进行预测,EMD-BP神经网络的预测精度更高、相对误差较小。     

基于遗传算法的油气混输管网参数优化设计

在地面油气混输管网优化的研究中,结构参数优化是极为重要的一个问题.本文对多目标非线性的规划问题,使用遗传算法对管网结构参数进行优化,提出了目标函数、水力及热力学模型.并得到了应用遗传算法的相关结论