模糊神经网络对汛期三门峡水库泥沙冲淤量的计算

本文通过对多年实测资料的分析 ,总结出对三门峡水库泥沙冲淤量影响很大的变量的经验公式。在分析了汛期三门峡水库泥沙冲淤影响因子的基础上 ,鉴于模糊集合论与神经网络和智能预报的研究关系密切 ,可对非线性问题进行智能预报的特点 ,利用模糊神经网络模型对三门峡水库泥沙冲淤量进行了计算。该模型精度满足要求 ,计算结果比较合理 ,适合计算水库泥沙冲淤量     

三门峡水库非汛期控制运用水位对库区泥沙冲淤的影响

为了控制和降低潼关高程,缓解水库运用对渭河下游的不利影响,三门峡水库自2003年以来开展了非汛期控制最高运用水位不超过318m的原型试验,亦称过渡运用方案。本文分析了水库实施过渡运用方案以来,库区冲淤和潼关高程的变化规律,探讨了非汛期控制最高运用水位不超过318m的作用。发现实施过渡方案以来,库区累计淤积量与叠加流量加权平均坝前水位的关系,符合以往的关系曲线。汛期多水少沙的洪水过程是2003年潼关高程冲刷下降的主要原因,过渡方案控制非汛期最高水位不超过318m的作用不大。本文认为,在三门峡水库非汛期控制最高运用水位的同时,应注意到水库的平均运用情况和综合作用。     

河道床面形态对断面法计算冲淤量误差的影响

当采用不同断面间距时,计算得到的宜昌—枝城河段2002年10月至2008年10月冲淤量存在较大差异。针对这种差异,采用分形维数对河道床面形态进行量化,对比断面分维数、深泓纵剖面分维数和床面分维数与冲淤量相对误差的相关性,探讨了河道地形起伏程度对冲淤量计算结果的影响。研究表明:冲淤量相对误差与河型无明显相关性,误差的根源在于河道床面起伏程度不同。床面分形维数比断面分维数和深泓纵剖面分维数更能反映出河道地形起伏程度,其与冲淤量相对误差的相关性较好。床面分形维数大的河段,用不同断面间距得到的差异较大,而分形维数较小的河段,差异较小。     

百色河段泥沙冲淤变化的研究

本文采用列维公式、扎鸟林公式和有限差分等方法，对百色河段（涉及百色市区和百色港的发展建设）进行河道一场5％洪水全过程的泥沙冲淤计算分析。提出百色河各断面对某一块洪水来说，有冲也有淤，最大冲液变化在2．00m左右，这场洪水淤下来的，一般在下一场洪水被冲去，对多年来说冲淤是平衡的，河道一般洪水情况下基本是稳定的，但对某一场洪水泥沙的液积影响航道等总是，也需要采取对策措施。     

基于遗传算法改进BP神经网络的风电功率预测研究

风电功率预测对于风电场和电网的安全可靠运行具有重要意义。以某风力发电机为研究对象,根据该风机历史天气信息和风电功率数据,使用遗传算法改进BP神经网络,构建复合型神经网络的风电功率预测系统。运用MATLAB软件对算法进行编程与仿真,仿真结果表明,单一的BP神经网络预测系统波动性较高,精度不足,而复合型的神经网络算法有效地解决了这一问题,改进后的预测系统精度较高、稳定性较强,满足工业生产需求。     

非黏性岸坡崩塌与河床冲淤的交互影响初步试验研究

本文在弯道水槽中展开系列试验,研究非黏性泥沙颗粒组成的岸坡坍塌模式及其与河床冲淤的交互影响过程.试验结果表明,水流冲刷过程中河岸破坏是水流淘刷河岸坡脚、岸坡崩塌及崩塌体淤积坡脚并在河床上输移的交互作用反复循环过程.河岸崩退模式、速度以及稳定后的形态与近岸流速分布及河床边界条件等关系密切.近岸流速越大,稳定后的岸坡越趋平缓,崩塌体在河床上的淤积率越小;河床的可动性加剧了岸坡的崩退速度以及崩塌体在河床上的淤积率.     

水库下游分组沙冲淤特性分析

水库修建前后下游河道分组沙冲淤实测资料表明:建库前特定河段粗沙淤积主要是由于水力因素沿程显著减弱;建库后近坝河段,泥沙补给不足,各组泥沙均发生较剧烈的冲刷,床沙粗化迅速;距坝较远的河段,只要上游河段有足够泥沙补给,能够基本达到饱和的各组泥沙的冲淤特性与建库前保持一致,但淤积量趋于减小;水库下游发生长距离冲刷的主要原因是床沙补给不足,尤其是细沙补给严重不足.     

黄河冲淤特性"相对清水冲刷、相对浑水淤积"

本文回顾总结了以往对黄河干支流河道冲淤特性的研究情况 ,利用所提出的冲淤临界流量与含沙量的关系与渭河下游、黄河下游进行了对比。以此为基础 ,勾画出了黄河干支流冲积河道“相对清水冲刷、相对浑水淤积”的物理图景 ,提出了多沙河流“相对清水冲刷、相对浑水淤积”的冲淤特性     

黄河下游河道洪水冲淤与水沙搭配关系

本文总结了以往对黄河下游河道冲淤临界条件的研究情况;利用1960～1999年422场洪水资料分析了影响洪水冲淤的各种水沙因素,建立了黄河下游4个河段洪水排沙比与综合水沙系数的关系,该水沙系数包括流量、含沙量、洪峰流量变幅、洪水沿程衰减系数、洪水历时等5个因素;利用4个河段的冲淤临界条件勾画出了4个河段洪水冲淤调整与来水来沙搭配(或组合)之间的关系;该关系可为小浪底水库调度决策以及黄河下游治理提供参考。     

基于BP神经网络的动力电池SOC估算

电池荷电状态(SOC)的预测是影响电动汽车发展的关键技术之一,采用经典BP神经网络控制算法完成了动力电池的SOC估算研究。通过设计工况实验,在Matlab中对该算法进行了仿真验证,结果表明该算法能够很好地拟合动力电池充放电特性,误差可以减小到5%以内。     

基于GA优化BP神经网络的微电网蓄电池健康状态评估

由于微电网蓄电池在工作过程中其电力性能会发生退化,其性能退化具有明显的非线性和波动性的特征,传统的数学建模方法普适性差、不同工况条件下预测受限、精度不足,难以准确的评估其健康状态。针对上述问题,构建了标准BP神经网络和基于遗传算法优化的BP神经网络,借助微电网蓄电池每次放电过程中的可测参数对网络进行训练,使神经网络的权值和阈值得到较为准确的调整。通过测试集对建立的神经网络进行测试,结果表明,基于遗传算法优化的BP神经网络能有效提高评估结果的准确性,使误差结果控制在精度要求的范围内,最大误差在5%以内,平均误差2%。证明了基于遗传算法优化的BP神经网络对不同工况条件下的蓄电池SOH的精确评估是有效可行的。     

基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别

针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。     

改进安时法结合神经网络估算锂离子电池SOC

采用BP神经网络对库仑效率进行训练并预测,将预测得到的库仑效率代入改进安时(AH)算法,再基于Moto Hawk进行设计,应用于地铁应急牵引电池组管理系统。以952国产A车为试验对象,结合实际运行情况对荷电状态(SOC)进行估算和分析。试验结果表明,所采用的方法比传统AH法估算精度误差提高4.9%。     

BP神经网络预测控制在色素得率的应用

根据葡萄皮色素提取工艺过程中的提取剂浓度、温度、pH、时间等影响因素与输出结果色素提取率这一变量之间的非线性关系,建立了改进的BP神经网络预测模型.针对传统BP学习算法收敛速度慢、存在局部极值等不足,引入动量项以改进该学习算法.结合实际数据,运用迭代优化的控制算法对网络的权值和阈值进行不断训练并利用MATLAB进行仿真验证.研究结果证明了改进后的BP神经网络对色素提取率的预测控制具有精度高、泛化能力强,实用性强的优点,为色素得率提供了良好的理论基础和预测方法.     

基于BP神经网络的PEMFC稳定性及动态性预测

研究了PBI/H_3PO_4体系高温质子交换膜燃料电池(PEMFC),将其在不同压力、温度、阴极气体和负载下的稳态电位响应数据及该体系对压力变化、温度变化的动态电位响应数据作为训练数据,建立以Matlab/Simulink和BP神经网络为基础的高温下PEMFC的稳定性能和动态性能的预测系统。通过所建立的神经网络模型对电池的稳态电位输出和动态电位响应进行模拟,结果表明,所建立的模型可以对电池的稳态及动态行为进行准确模拟,这为PBI/H_3PO_4体系高温PEMFC的控制及性能预测提供了一定的参考。     

BP和RBF神经网络在气隙击穿电压预测中的应用和对比研究

气隙的击穿电压是决定外绝缘水平的重要因素之一,现有关于击穿电压的理论都是单参数的经验公式,对某一特定大气条件下的击穿电压则很难估计.本文讨论了BP及RBF神经网络在气隙击穿电压预测中的应用,详细说明了在人工气候室中进行击穿试验的过程和BP、RBF神经网络的构建方法.使用人工气候室中获得的样本数据对网络进行训练,用训练好的网络对击穿电压进行预测,结果表明BP及RBF神经网络均能较好地对气隙击穿电压进行预测.并对BP及RBF神经网络进行了比较,RBF神经网络在收敛速度、网络构建、非线性逼近以及泛化能力方面都要优于BP神经网络,更适合于气隙击穿电压的预测.