| 泵站管道混沌振动短期预测分析 |
| |
| 引用本文： | 张翌娜,程梦然,王立彬,张建伟.泵站管道混沌振动短期预测分析[J].水电能源科学,2019,37(10):80-84. |
| |
| 作者姓名： | 张翌娜 程梦然 王立彬 张建伟 |
| |
| 作者单位： | 黄河水利职业技术学院土木与交通学院;华北水利水电大学水利学院;河南省水工结构安全工程技术研究中心;水资源高效利用与保障工程河南省协同创新中心 |
| |
| 基金项目： | 国家自然科学基金项目(51679091)；河南省高校科技创新人才计划（18HASTIT012）；广东省水利科技创新项目（2017 16） |
| |
| 摘 要： | 为探索泵站管道混沌程度对短期预测精度的影响规律,确定适用于泵站管道混沌振动的短期预测方法,以某灌区泵站管道振动响应为例,采用Volterra级数和径向基(RBF)神经网络两种预测方法,建立了管道振动短期混沌预测模型。首先以典型混沌系统Lorenz x分量为算例验证两种方法在混沌预测领域的有效性;其次,选取受机组运行及流态突变影响的振动响应,分别建立混沌短期预测模型并分析不同工况下的预测精度;最终综合对比两种方法的预测精度。结果表明,针对泵站管道振动响应,RBF神经网络和Volterra级数预测模型均有较好的预测效果;振动响应混沌程度越高,预测精度越低,且混沌程度越高可有效预测的时间序列越短;对于混沌程度较高的时间序列,Volterra级数预测有相对更低的平均相对误差、均方根误差,预测误差相对RBF神经网络更小,具有更高的预测精度。
|
| 关 键 词： | 泵站管道 振动响应 短期混沌预测 Volterra级数 RBF神经网络 |
Short term Prediction of Pumping Station Pipeline Vibration in Chaotic State |
| |
| Abstract: | |
| |
| Keywords: | pump pipeline vibration response short term chaotic prediction Volterra series RBF neural network |
| 本文献已被 CNKI 等数据库收录！ |
|
