共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
基于灰色关联度和BP神经网络研究生物质热解产气特性 总被引:7,自引:1,他引:7
首次使用灰色关联度知识,用理论和数据分析了影响生物质热解产气率和产气热值的各种因素的程度大小:热解终温>物料特性(主要是挥发份)>加热方式>填实率>物料粒径。基于回归模型的预测精度不高,采用3层改进BP神经网络方法,以热解终温、物料、加热方式、填实率和物料粒径作为输入项,建立了生物热解产气率和产气热值的模型。并使用该模型预测4个不同热解实验的产气率和产气热值,最后预测值的相对误差分别为:7 30%和4 50%,证明网络的预测结果较好。 相似文献
3.
滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)—灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。 相似文献
4.
5.
6.
7.
8.
研究边坡稳定性的影响因素对边坡治理具有重要意义,提出将正交试验法和蒙特卡罗法相结合,确定影响边坡稳定性的主要因素及其相应影响程度。首先采用正交试验法分析各相关因素对边坡稳定性影响的敏感性,给出影响因素的排序,以得出稳定性主导因素;然后考虑次要因素的随机性,运用蒙特卡罗法进一步研究边坡在主要因素作用下失稳破坏的概率,并揭示主要因素对边坡稳定性的影响规律。以某边坡为例,研究了地震、库水位、岩土体内摩擦角和粘聚力等4个因素对边坡动力稳定性的影响。结果表明,对该边坡稳定性的影响由大到小排序依次为地震、库水位、内摩擦角、粘聚力;边坡破坏概率随地震水平加速度系数或库水位的增加而逐渐增大,当地震、库水位叠加作用时,边坡极度危险。研究成果可为边坡支护方案选择提供依据。 相似文献
9.
10.
基于灰色关联度与BP神经网络的清河水库总氮浓度预测模型 总被引:4,自引:0,他引:4
为了实现清河水库总氮浓度的预测,建立了基于灰色关联分析的BP神经网络水质预测模型(GRABP),即采用灰色关联度的方法,选取总磷、挥发酚、化学需氧量、pH值、氨氮五项水质指标作为BP神经网络总氮预测模型的输入变量,根据五项最优影响因子与总氮浓度的对应关系,对模型进行了训练,并将训练好的模型应用于2016年8~12月的总氮浓度预测中。结果表明,GRA-BP网络模型较BP网络具有较高的预测精度,预测的相对误差均在5%以内,可为清河水库的水质管理提供科学的指导。 相似文献
11.
鉴于确定各因素(土体强度因素、边界几何因素)影响堤岸稳定的显著程度对研究堤岸失稳的重要意义,采用BP神经网络与Garson算法相结合的方法,对影响堤岸稳定的土体粘聚力、土体内摩擦角、坡高、坡比、墙前水位、墙后水位、墙后荷载7个因素进行了敏感性分析,先利用BP神经网络对非线性映射逼近能力强的优势,建立了影响因素与安全系数间的相关关系,再通过Garson算法,确定了各影响因素对安全系数的贡献量,最终确定了各因素影响堤岸变形的主次关系,为堤岸稳定影响因素敏感性分析提供了一种方法。 相似文献
12.
13.
14.
电力电缆线路作为城市负载的重要线路近年来以逐渐发展成为主要电能传输工具,尤其是地铁、综合行政区域,现阶段,电力电缆线路无论是技术制造还是安装技术都较为成熟,不同于架空线路,一旦电缆线路故障,快速恢复线路运行极为重要。本文从电力电缆线路发生故障时线路参数以及特征出发,对狼群算法进行优化,结合实际故障参数以及BP神经网络算法对电力电缆线路进行综合评判,通过不断修正BP神经网络算法参数,最终达到优化电缆故障测距算法的目的,实验证明,该算法具有良好的故障测距精度以及稳定性。 相似文献
15.
阐述BP神经网络应用在水电站电气设备故障诊断中的目的,通过查阅文献并结合专家经验,构建了电气设备的故障诊断知识库,并建立神经网络模型。最后,以一个故障诊断实例进行具体分析,验证BP神经网络的可行性与优越性。 相似文献
16.
基于小波分析的BP神经网络潮水位预测方法 总被引:2,自引:0,他引:2
分析了潮水的特性,提出了基于小波多分辨分析的BP神经网络潮水位预测方法。通过小波分解与重构技术,将潮水位序列分解成不同层次,得到趋势项、周期项和随机项,利用BP神经网络对每一项进行预测,最后再重构得到原潮水位序列的预测值。实例验证,基于小波分析的BP神经网络潮水位预测方法比单独用神经网络对潮水位进行预测更有效。 相似文献
17.
18.
飞灰含碳量是反映电站煤粉锅炉燃烧效率的一个重要指标。基于误差反向传播(BP)神经网络方法,建立了11-23-1型BP神经网络模型。根据某电站四角切圆煤粉锅炉特点选取了煤粉细度、燃烧器摆角、烟气含氧量、5个煤种参数、燃烧器喷口运行组合等11个影响燃烧的参数作为神经网络的输入因子,对建立的模型进行训练,得到模型参数。以此进行预测,与实际值的误差不超过6%。在此基础上,又提出了单参数影响飞灰含碳量的简化分析方法,使神经网络包含的多维非线性规律在一定条件下简洁、直观地反映出来。计算和分析结果表明,本模型方法能有效提取各参数对飞友含碳量的影响规律,可用于锅炉飞灰含碳量的分析、预测和优化调节。 相似文献
19.
20.
通过灰色关联度分析法对影响冷却塔出水温度的10项参数进行筛选,确定以进水温度、循环水量、冷却塔运行台数、环境湿度、环境温度、风机运行频率和风机运行台等7项权重占比高的因子作为输入层,根据Kolmogorov定理得出5个神经元的隐含层,以冷却塔出水温度为输出层,以100组实验数据为样本,进行三层结构的BP神经网络预测模型构建。结果显示:预测值与实验值吻合良好,相关系数为0.987 49,平均相对误差(MAE)为0.33%,均方根误差(RMSE)为0.014 5,该模型可以有效预测该实验冷却塔在不同条件下的性能特征。 相似文献