广义回归神经网络在空调湿度调节中的应用

湿空气中温度和湿度的关系通常通过水蒸气性质表进行查取，通过湿度和饱和水蒸气分压力的关系计算相对湿度值，但其为离散的非线性关系，不便于实时控制，提出了一种简单，有效的广义回归神经网络（GRNN）用于中央空调控制中的湿度调节，GRNN可以对离散的非线性关系进行拟和，不同于数值分析中的插值和拟和，也不同于常用的BP网络，GRNN易于实现，仅需要一个参数，结构简单，便于编程，可以在较少数据中较好地工作。     

广义回归神经网络在非线性系统建模中的应用

广义回归神经网络具有设计简单、收敛快等优势,因此在复杂非线性系统建模中得到了广泛应用;在简要介绍了广义回归神经网络的结构和算法的基础上,基于广义回归神经网络和均匀设计理论,提出了一种新的非线性系统稳健建模方法,并给出了仿真算例;仿真结果表明,用文中提出的方法建立非线性系统预测模型,具有预测结果稳定、模型稳健性好等优点.     

基于GRNN的虚拟仪器非线性校准方法研究

文中介绍了虚拟仪器校准的广义回归神经网络方法，并通过试验验证了此方法的可行性，测量精度有了明显的提高。     

基于小波软阈值的中长期电力负荷预测研究

由于中长期电力系统负荷数据相对较少，影响因素广泛，常用的负荷预测方法很难达到满意的精度，所以提出一种结合小波软阈值和广义回归神经网络的综合预测模型，该模型充分考虑了长期负荷数据相对较少和影响因素广泛的特点，把负荷预测看作一个信号序列，应用小波去噪原理，将信号与噪声分离，然后利用广义回归神经网络进行预测。实际应用证明，预测结果是令人满意的。     

广义回归神经网络模型在短期电力负荷预测中的应用研究

介绍了广义回归神经网络(GRNN)的基本理论,指出其回归的实质就是对平滑参数的优化。考虑到常规差分进化算法容易“早熟,”全局寻优效率偏低,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作,实现了高效全局搜优。以推广能力作为优化目标,所建的GRNN有很强的非线性拟合能力和优良的预报性能,将其成功地为短期电力负荷预测建模,获得了满意的预测结果。     

Application of a general regression neural network for health index calculation of power transformers

A power transformer is one of the most important components in a transmission network. To assess the overall condition of this valuable asset, health index calculations are recently gaining more attention from the utility companies that operate networks. Only limited research has been conducted on health index calculations of transformers. Most of the past approaches are based on the linear combination of weighted scores of measurements following the industry standards such as IEEE, IEC and CIGRE. A few previous methods based on artificial intelligence and statistical approaches such as fuzzy logic, multivariate analysis and binary logistic regression have been published in recent years. In this paper, a General Regression Neural Network (GRNN) which has a nice nonlinear property and can work with measurements without quantization has been evaluated. The GRNN allows multi-dimensional measurements to be combined through an optimal weighting and scoring system to compute a quantitative health index of power transformers. The weighting of each test was assigned based on a smoothly interpolated continuous function. The efficacy of the model has been validated against expert classifications and data sets published in the literature. The comparative results demonstrate that, the proposed method is reliable and very effective for condition assessment of transformers through an automated health index calculation.     

联合鲸鱼算法和遗传算法优化GRNN预测斜拉索覆冰厚度

为了预测冬季易结冰区斜拉索覆冰的增长,运用灰色关联分析方法分析斜拉索倾角、温度、湿度、风速、降雨量及气压对斜拉索覆冰厚度的关联影响,明确各影响因素的相关性大小,剔除弱相关性因素;联合遗传算法（GA）和鲸鱼算法（WOA）选择最优光滑因子,提出一种WOA-GA算法优化广义回归神经网络（GRNN）的斜拉索覆冰厚度预测方法。其特点是：以输出值与实际值均方差作为适应度函数,计算每个粒子的适应度值;将GA算法的交叉和变异算子引入WOA算法,同时借助权重更新策略,提升全局寻优的能力,避免WOA算法陷入局部最优解;最后,经过迭代寻优,输出最小适应度值对应的光滑因子,构建GRNN预测模型。结果表明：环境温度相关性最高,其次是倾角、降水量、风速、相对湿度,气压关联度最小,呈弱相关性;相比于传统的GRNN、WOA-GRNN、PSO-GA-GRNN模型,联合鲸鱼算法和遗传算法优化的GRNN覆冰预测模型精度较高,其平均绝对误差百分比仅为3.58%,均方根误差为0.58 mm;采用敏感性分析法评价影响因素对模型精度的影响,发现温度对模型影响程度最大,其次是拉索倾角。     

基于ICS-GRNN的油气管道剩余强度预测技术

为提高腐蚀管道剩余强度的预测精度,深入分析影响管道剩余强度的主要因素,通过广义回归神经网络（GRNN）对剩余强度进行有效预测,采用改进的布谷鸟搜索算法（ICS）对光滑因子进行寻优,建立了基于ICS-GRNN的管道剩余强度预测模型,并与其他模型进行了对比。结果表明,ICS算法较CS算法提前88次迭代达到收敛条件,具有更快的迭代速度;ICS-GRNN模型的平均相对误差和希尔不等系数均最小,分别为1.92%和0.43,与其他模型相比,预测精度和鲁棒性最好,预测时间最短。研究结果可为进一步确定腐蚀管道的后续承载力和服役状态提供参考。     

基于GRNN和时间窗方差滤波的海杂波抑制

为实现对海杂波的抑制,根据海杂波混沌动态特性,利用广义回归神经网络(GRNN)进行海杂波预测再对消,最后引入时间窗方差滤波。分析对McMaster大学IPIX雷达含目标实测数据的处理结果,原始数据信杂比小于等于0 dB,只采用GRNN预测对消后信杂比提高但仍有短时海杂波尖峰的影响,经过方差滤波后短时尖峰基本消失,最终信杂比提高到约11.67 dB。故所提方法对海杂波有很好的抑制效果,能够检测出湮没在海杂波中的小目标。     

基于MapObjects与GRNN耦合的矿井充水水源识别方法研究

为提高矿井水源识别准确率,借助MapObjects强大的空间分析功能和GRNN非线性特性,以兴隆庄煤矿为例,提出了动态构建矿井水源识别标准样品库的方法,建立了MapObjects与GRNN耦合的水源识别模型,实现了矿井水源识别。结果表明,MapObjects的空间分析功能,可以动态构建和待判水样地质环境相似的标准水源样品库,而GRNN具有很好的预测和泛化能力,可以基于构建的水源识别样品库实现矿井水源的准确识别,MapObjects与GRNN耦合技术可以提高矿井水源识别的准确率。