共查询到20条相似文献,搜索用时 156 毫秒
1.
基于粒群算法和BP神经网络的煤电价格预测 总被引:1,自引:0,他引:1
由于煤电价格的波动受多种不确定因素的影响,且煤价和电价之间还存在非常复杂的耦合关系,它是一个典型的非线性系统,所以使用传统的方法来建立煤电价格的预测模型非常困难。针对这种情况,提出了一种基于粒群算法(PSO)和BP神经网络的煤电价格预测方法。采用PSO训练BP神经网络,不仅克服了BP神经网络算法易于陷入局部最优的缺点,而且可以提高网络的收敛速度和预测精度。结合煤电价格的历史数据,在Matlab平台上进行了仿真实验,验证了该预测模型的优越性。 相似文献
2.
3.
4.
非线性系统的神经网络广义预测控制 总被引:2,自引:0,他引:2
研究了神经网络广义预测控制方法在非线性系统中的应用,基于BP网络构造神经网络预测器,利用非线性系统的开环输入输出数据离线训练神经网络,根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小,得到了最优的控制序列。同时给出了神经网络广义预测控制算法的步骤,讨论了提高系统鲁棒性的措施。仿真结果表明,这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点。 相似文献
5.
《后勤工程学院学报》2016,(4)
为了求解随机网络中满足置信度为α的最短路径问题,提出了一种BP神经网络遗传算法。首先给出了随机网络的定义,建立了α最短路径模型;然后采用BP神经网络拟合非线性函数,遗传算法优化BP神经网络输出的方法求解该问题。实验结果表明,提出的模型和算法能有效求解随机网络的α最短路径问题。 相似文献
6.
7.
分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统(ANFIS)结构模型及后向传播和递归最小二乘算法相结合的混合算法.在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析.仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法. 相似文献
8.
9.
10.
11.
本文在分析冲激信号成像特点的基础上,说明了线阵模型是解释冲激信号SAR成像过程的有效方法,给出了冲激信号SAR反向投影(BP)方法,针对系统实现问题,提出了对I、Q两路信号分别积累,求模的BPIQ法,并以计算机仿真及与常规的BP作比较,最后给出了一些有用的结论。 相似文献
12.
13.
BP (Back Projection)算法是一种被广泛应用的SAR成像算法 ,它的突出优点是解决了大积累角情况下不可避免的距离迁移 (rangemigration)问题。但由于计算量过大 ,使得它往往成为提高信号处理效率的瓶颈。本文充分利用轨道SAR地面实验中雷达运动轨迹的特点 ,通过消除BP算法中计算的冗余性 ,极大地降低了计算负担 ,提高了成像速度。本算法在实际应用中取得了良好效果 相似文献
14.
UWB-SAR系统较之常规SAR系统,成像所需计算量更为庞大,实时处理的实现更难.通过将子孔径思想应用于BP算法,给出了一种实用的实时成像算法(LocalBP算法),该算法同BP算法相比,成N×N点的图像,运算量可减少,同时该算法具有良好的并行及流水实现结构. 相似文献
15.
16.
马龙 《中国人民武装警察部队学院学报》2009,25(8):13-15
随着人民生活水平的提高,非线性用电设备大量使用,这方便和提高了人们的生活质量,但非线性负载会给三相供电线路注入谐波电流,引发中性线过载。从配电系统谐波电流的产生、危害入手,应用Fourier级数分解方法对非正弦周期电流进行理论分析,得出三次谐波及其奇数倍谐波会在中性线产生叠加效应,再加上三相负载不平衡,造成中性线过载,进而引发火灾事故的结论。 相似文献
17.
18.
疲劳累积损伤是一个非稳态能耗过程,可以用遗传算法优化后的3层2 7 1BP神经网络来描述疲劳损伤的非线关系,经仿真验证表明,该神经网络具有较高的精度和泛化能力.通过对材料疲劳损伤临界值和载荷的分散性的分析研究,建立了疲劳失效动态准则,并运用蒙特卡罗随机抽样法对材料疲劳寿命的可靠性进行了仿真验证;对调质45号钢在随机载荷和2级载荷作用下,进行了疲劳寿命可靠性仿真计算,仿真结果与实验结果和理论分析比较吻合. 相似文献
19.
利用LS-DYNA非线性有限元程序,对不同药量等级的条形装药,进行了无 限域岩体介质中的爆炸成腔数值模拟计算,得到了爆炸成腔过程的基本图像及爆腔形成的 位移时程曲线,通过对爆腔半径的数据分析对比,得到条形装药的长径比值k与爆腔半径和 装药半径之比值ra/R0呈线性关系、条形装药比集团装药具更强爆扩能力的结论。 相似文献
20.
介绍了前馈网络的结构,BP算法以及算法的推导过程,并对算法做了一些改进.然后将该算法应用于抽油机减速箱的状态识别,给出了识别结果.实验表明,基于BP算法的前馈网络在识别的精度和自学习方面都优于传统方法. 相似文献