排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
һ���µ���Ȼ����������Ԥ�ⷽ�� 总被引:7,自引:1,他引:6
针对天然气管网负荷变化的特点,提出了用模糊逻辑和RBF神经网络模型(FL—RBF NNM)来预测天然气管网的负荷。即首先利用模糊逻辑系统预测出负荷误差及误差变化率,从而实现了天然气负荷的在线修正:再利用改进的RBF神经网络进行天然气管网负荷的预测。在数据的处理上,应用了数据分类处理以及“近大远小”原则,并且在RBF网络模型中采用了最新邻聚类算法,实现了网络结构和参数的双重调节,大大提高了训练的速度和预测的精度。最后将此模型应用于实际中,并和单纯的RBF神经网络模型进行了比较,结果证明该模型可以快速准确预测出天然气管网的负荷值。 相似文献
2.
3.
4.
1