共查询到18条相似文献,搜索用时 93 毫秒
1.
建筑负荷的预测是现在建筑能耗工作中十分重要的一项,是建立节能减排的重要支撑条件,对建筑总体能耗的预测需要考虑建筑结构内、外部环境方面的各项因素,例如对外部平均温度、湿度等,提出了使用BP神经网络的理论解决负荷的预测问题,结合某地的事实数据,用Matlab建立负荷预测模型,进行仿真预测的结果进行分析,预测的误差较小,能够比较有效地进行实用。 相似文献
2.
针对常规预测中的节假日预测精度低的缺点,提出了一种基于BP神经网络的地铁能耗预测模型,实现了正常日和节假日的分别预测.以某市地铁能耗统计数据作为样本,对模型进行了仿真预测.结果表明,利用本文预测模型,确实提高了地铁的节假日能耗预测精度. 相似文献
3.
针对脱硫制浆系统生产过程中能耗监控困难的问题,利用PSO-BP神经网络的非线性映射能力,提出了一种能够准确反映脱硫制浆系统实时能耗的网络模型。由脱硫制浆系统工艺生产机理确定了输入变量,利用粒子群优化算法强大的全局搜索能力对BP神经网络的参数进行优化。实验结果表明,与LSSVM等模型相比,PSO-BP在脱硫制浆能耗建模中具有更好的非线性拟合效果,均方根误差低至0.004 6 kW·h/t,最大绝对误差低于2%,表明提出的建模方法能够实现对脱硫制浆系统能耗的有效监测。 相似文献
4.
5.
针对高维、小样本的分类问题,提出2个重要的准则,用于估计RBF单元的初始宽度.采用主成分分析方法把训练样本集投影到特征脸空间,以减少维数,用Fisher线性判别式产生一组最具判别性的特征,使不同类间的训练数据尽可能地分开,而同一类的样本尽可能地靠近.实验结果证明,该算法在分类的错误率及学习的效率上都表现出较好的性能. 相似文献
6.
宫运启 《计算机工程与应用》2012,48(21):235-239
针对工序级能耗难以用数学方法精确估算的问题,提出了一个基于神经网络的机械加工工序能耗预测方法。给出了输入变量及输出变量的选取及其归一化处理方法,进行了隐含层节点数和传递函数的选取。以各切削用量组合及其对应能源消耗的历史数据作为神经网络训练的样本集,建立切削用量组合方案输入和能源消耗输出间的非线性关系,从而对新的切削用量参数组合进行能耗值的预测。以某企业导叶片的粗铣加工为例,验证了该能耗预测方法的有效性。 相似文献
7.
8.
当今世界,水污染逐步严重,对于我国经济的发展与人民的健康生活构成了巨大的威胁,如何治理受污水体已经成为了迫在眉睫的问题。新的发展时期,人工湿地作为一种污水处理替代技术,受到了高度的重视,人工湿地处理技术具有处理费用以及基建费用低的优点,适合大范围进行推广。本文就北方潜流人工湿地处理城市生活污水的应用进行分析,了解当前我国的城市水污染处理处理现状。 相似文献
9.
赵一甲 《数字社区&智能家居》2006,(11):203-204
本文提出了一种基于主分量分析法和反向传播神经网络的图像识别方法,并详细阐述了这种方法的具体实现过程。在整个算法过程中,主分量分析法主要用于图像的预处理,也就是提取有用的特征样本;反向传播神经网络则是作为一个分类器对未知图像进行分类。此方法具有较强的自适应性、较高的识别率以及对某些噪声的鲁棒性。 相似文献
10.
11.
基于梯度的无线传感器网络能耗分析及能量空洞避免机制 总被引:2,自引:0,他引:2
在基于"梯度汇聚"模型的无线传感器网络 (Wireless sensor networks, WSNs)中, 因节点间能量消耗不平衡而引发的能量空洞一直是影响网络生存周期的重要原因. 本文分别分析了无通信干扰的自由空间环境和瑞利衰落环境下网络中节点的能量消耗,提出了一种基于节点能量非均匀分布的能量空洞避免机制,即根据节点的能耗水平为每个节点储备不同的初始能量.并结合通信干扰、休眠机制等因素,研究了基于"梯度汇聚"模型的无线传感器网络生存周期的上界和下界. 模拟结果表明,该机制提高了能量的利用效率,延长了网络的生存周期. 相似文献
12.
13.
14.
基于BP神经网络的PID控制方法的研究 总被引:8,自引:6,他引:8
本文提出了一种基于BP神经网络的PID控制方法,充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。文中采用三层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。计算机仿真结果表明,基于BP神经网络的PID控制较常规的PID控制具有更好的鲁棒性和自适应性,能取得良好的控制效果。 相似文献
15.
主成分和BP神经网络在粮食产量预测中的组合应用 总被引:2,自引:0,他引:2
粮食产量的变动受到多种因素的共同影响,各因素之间往往具有十分复杂的非线性关系,传统的预测方法大多无法反映这种变化规律而影响了预测的准确性.BP神经网络模型具有很好的非线性逼近能力,对中国粮食产量能实现比较准确的预测;主成分分析可以对具有模糊关联的变量数据进行降维,其与BP神经网络的组合能优化模型的网络结构,提高预测精度.实证结果表明,组合模型预测结果的精度提高了3%,网络训练的收敛速度和效率也得到不同程度的改善. 相似文献
16.
17.
18.
基于 PCA-BP 神经网络的股票价格预测研究 总被引:1,自引:0,他引:1
在股票决策问题的研究中,针对影响股票价格因素间存在高度的非线性、存在数据冗余等特征,传统股票预测方法无法消除数据之间冗余和捕捉非线性规律导致预测精度较低,为了提高股票价格预测精度,提出一个基于主成份分析(PCA)的 BP 神经网络(BPNN)股票预测模型(PCA-BPNN).首先对影响股票价格波动的各因素进行主成份分析,消除各因素之间的冗余性,降低 BP 神经网络的输入维数,加快 BP 神经网络测速度并提高预测精度,然后利用 BPNN 对保留成分进行建模预测.利用 PEA-BPNN 模型对上海证券交易所上市的首创股份(600008)经济数据进行了验证性测试和分析,结果表明,PEA-BPNN 模型预测精度显著提高,是一种高效和准确的股票预测模型. 相似文献