排序方式: 共有17条查询结果,搜索用时 15 毫秒
11.
12.
为了提高非线性时间序列的预测精度,建立一种粒子群优化B样条网络预测模型。在设计网络结构时,设置样条基函数节点作为独立变量,然后使其与权值参数在网络训练过程中一同优化,并且使用预测误差平方和评价训练效果。采用粒子群算法与适当的搜索策略作为训练算法,对B样条基函数最优节点的分布进行搜索,同时寻优权值参数,使网络结构得到优化,进而对非线性时间序列进行预测。仿真结果表明,粒子群优化B样条网络预测模型具有良好的泛化性能,同时所用算法对网络进行了有效的优化,所建预测模型结构简单且预测精度较高。 相似文献
13.
配电网发生故障后,迅速利用大量的告警信息判别出故障元件,能为调度中心的工作人员提供重要的决策支持。针对现有Petri网的故障诊断方法未应用在配电网中的问题,提出了一种时间约束的改进分层模糊Petri网的配电网故障诊断方法。对配电网中的可疑故障元件建立改进的分层模糊Petri网模型,能够适应网络拓扑结构的变换,利用获得的报警信息通过反向和正向时序推理对保护和断路器进行时序检查,对不满足时间约束的库所进行置信度修正。给出了改进分层模糊Petri网模型的推理流程及矩阵推理算法,在矩阵推理过程中引入高斯函数修正概率,使概率始终保持在0~1,最终得到故障元件的置信概率及其时间点约束。通过对配电网系统算例的比较、分析,验证了所提方法的正确性和合理性,能够有效地诊断出配电网的故障元件。 相似文献
14.
基于RS重构技术的LS_SVM预测模型及工业应用 总被引:1,自引:1,他引:1
为实现不完备多变量时间序列的有效重构,将经典重构技术和粗糙集约简理论相结合,提出了一种广义输入状态重构方法和LS_SVM预测模型.首先,结合Mean Completer补齐算法和经典相空间重构方法,对不完备多变量时间序列进行补齐和含有一定嵌入裕量的初始重构,以克服序列中可能存在的数据缺失和嵌入不足等问题;然后,通过构建时间序列决策表,采用一种IGA算法对冗余嵌入和冗余变量进行RS约简,获取精简重构样本空间;最后,将精简结果作为LS_SVM的输入,辨识关键变量预测模型.将提出的方法应用氧化铝配料过程的原料组份时间序列的重构和预测,通过比较和分析验证了算法的有效性和优越性. 相似文献
15.
氧化铝烧结法生产的生料浆质量预测模型及应用 总被引:4,自引:0,他引:4
针对烧结法氧化铝生产过程中生料浆配料工艺的特点,根据物料平衡的原理建立机理模型,作为生料浆质量预测的主规律模型;针对碱液成分波动大且难以实时检测的问题,对碱液成分含量建立了神经网络预测模型,并和机理模型进行嵌套集成;利用灰色理论对机理模型的偏差数据进行信息挖掘,建立了GM(1,1)补偿模型,并与机理模型进行并联集成,获得生料浆质量预测模型。验证结果表明,该质量预测模型能获得较理想的生料浆质量预测精度,其应用可使生料浆质量得到显著的提高。 相似文献
16.
为有效实现非线性时间序列的实时预测,建立了一种B样条优化网络预测模型。在网络结构的设计中,将各个样条基函数的权值参数和节点位置同时视为待优化的独立变量,并选择预测误差平方和为评价函数,设计了一种全局优化算法,对网络结构进行优化。工业仿真实验结果表明,所提出的优化网络预测模型具有较高的预测精度,而且结构简单,待优参数少,是一种有效的非线性时间序列预测方法。 相似文献
17.