基于PSO-RBF的神经网络在猪舍多传感器数据融合技术中的应用

为了对猪舍中各猪群的环境参数形成一个准确、合理的判断,试验将PSO算法的全局优化能力和RBF神经网络良好的非线性映射能力相结合,优化RBF神经网络的权值和阈值,采用基于PSO的RBF网络数据融合算法,对猪舍多传感器(温湿度传感器、光照度传感器和气体传感器)检测到的数据进行融合。结果表明:基于PSO-RBF算法的数据融合能够准确获得猪舍全面的各环境参数,提高了对多个猪群进行控制的有效性与准确性。     

能源总量的BP网络与粒子群优化预测

能源是影响人类生存、发展的最重要的因素之一,它决定着生活水平和经济发展的快慢,准确预测能源总量具有重要意义。本文提出一种采用BP网络及粒子群优化对能源总量进行预测的方法。仿真实验表明,BP神经网络预测精度与网络参数初始值有很大关系,将粒子群优化BP模型与传统的BP网络预测结果进行比较,证明PSO-BP模型预测比传统BP网络的预测结果更加准确。     

基于遗传算法优化的RBF网络预测瓦斯涌出量

RBF网络待定参数较多,难以确定出最佳值,因此利用RBF神经网络预测瓦斯涌出量具有一定的局限性。本文采用遗传算法优化、简化RBF网络结构及参数,建立GA-RBF预测模型对瓦斯涌出量进行预测。该模型利用遗传算法的选择、变换、变异等运算,再按照优胜劣汰的原则保留网络参数的最优值。仿真实验表明,GA-RBF预测精度优于传统的RBF预测模型,训练速度也有明显提高。     

雾霾的RBF网络与遗传算法优化预测

雾霾是对大气中各种悬浮颗粒物含量超标的笼统表述。随着空气质量的恶化,阴霾天气现象出现增多,危害加重。为了更加准确的预测雾霾天气的形成,本文基于自然界遗传机制和生物进化论,提出了一种基于遗传算法优化的RBF神经网络雾霾形成的预测模型,并使用MATLAB进行仿真研究。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用遗传算法优化RBF网络权值和其他参数,形成GA-RBF预测模型。该模型通过计算群体中个体适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明GA-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

基于PSO-BP的语音增强方法研究

针对一些常用语音增强方法的特点和不足,本文提出将改进粒子群优化BP网络算法用于语音增强。仿真结果表明,此种方法可以极大地提升带噪语音信号的信噪比,效果显著。     

一种基于翻转角度的二进制粒子群优化算法

为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。     

基于机器视觉的柑桔苗品种识别方法

本文基于粒子群优化后的支持向量机技术,通过MATLAB R2017b平台提取柑桔叶片的形态、颜色、纹理等8个特征参数,建立了可以对大雅柑、爱媛38号和晚熟血橙进行分类的模型。该模型的识别准确率为93.33%,预测一份样本的时间约为0.514 s。试验结果表明,该模型能够快速准确地对各类柑桔叶片进行分类,为柑桔分类机的研究提供了决策依据。     

基于粒子群算法的多类资源受限项目调度

随着经济全球化导致市场竞争的日趋激烈,现代项目日趋复杂,要求周期更短、质量更高、成本更低。准时完工率更高,要求项目调度计划要考虑成本、质量、周期等综合指标,并具有更高的稳定性、适应性和准确性。资源受限项目调度问题是一类典型的项目调度问题,它属于NP-hard问题的范畴。传统的项目计划与优化调度方法已经无法完全满足现代项目管理的实际需求。因此,在原有的项目计划与优化调度的基础上,引入粒子群算法来更好的优化质量、周期和成本,最终达到最优。本文将粒子群优化算法应用到资源受限调度项目问题求解中,详细介绍了粒子群算法求解资源受限项目调度问题的求解过程。     

基于粒子群算法的成组维修策略

为解决现场作业调度问题以及向维修计划的制定者提供决策支持和信息支持,本文通过综合的考虑生产准备成本和偏离最优执行时间的惩罚成本,并以故障分布形式为威布尔分布的设备为例,建立了成组维修模型的相关关系式,给出了有限期设备成组维修策略的模型,并用粒子群算法进行优化。计算结果显示,粒子群算法能以极快的收敛速度达到全局最优,具有较高的计算速度。用粒子群算法根据成组维修理论进行计算,可以准确的分组及确定维修时间。     

世博会投资对上海市经济的影响分析

本文对世博会在经济方面的影响力进行了定量评估.通过建立灰色预测模型,预测了没有世博投资情况下上海市的GDP,通过与实际数据对比得出世博前期投资(2003-2009)对GDP的影响,并得出了由增加投资引起的上海经济增长率.通过建立回归模型得出投资额与GDP增长之间线性关系,进而说明了世博会前期影响经济的主要因素是世博投资.     

基于改进粒子群算法的工业润滑油调和方案设计

工业润滑油的调和是一个较为复杂的工艺过程,针对这一问题,文章提出了一种基于改进粒子群算法的工业润滑油调和方案。该方案为了满足两种不同的需求（质量和成本）,根据工业润滑油调和的配比模型设计了两种非线性约束目标优化模型。为了能够迅速、准确地寻找最优的调和方案,文章提出了改进粒子群算法,使用随机惯性权重函数,增加了每一代粒子的多样性。另外,文章还设计了两组实验,对本文提出的数学模型和算法进行测试。第一组实验的优化方案得到的润滑油指标最大误差仅为1.2%,符合质量设计需求。第二组实验的优化方案得到的润滑油成本远远小于需求一中的总成本,符合成本设计需求。因此,文章提出的方法对于工业润滑油调和方案设计具有一定的参考价值。     

改进粒子群算法在电力系统无功优化中的应用

为研究解决电网无功优化问题的可行算法[1],对粒子群算法进行探讨和改进,引入共轭梯度法,克服标准粒子群算法容易进入局部收敛、收敛精度不高等缺点[2]。改进的粒子群算法寻优质量高,收敛速度快,节点电压满足系统运行要求,系统网损较小,是解决电力系统无功优化的高效可行算法。     

基于混沌粒子群优化的模糊神经PID控制的饲料配料控制研究

为了能够提高饲料的加工质量,深入研究了基于混沌粒子群优化的模糊神经PID控制技术在饲料配料工艺控制中的应用。首先,分析了饲料配料控制的基本原理;其次,分析了基于模糊神经PID控制的饲料配料控制系统的基本原理,分别分析了模糊化模块和模糊神经网络的基本原理;然后,研究了混沌粒子群的优化算法;最后,以猪饲料配料工艺为例进行了控制仿真研究,仿真结果表明该方法可以提高饲料配料的控制速度和控制精度。     

从GDP数据的变化看重庆经济发展的过去、现在和未来

通过收集整理建国以来重庆GDP的相关数据,运用统计学方法,从总量、相对量、指数及结构等不同层面对重庆GDP数据进行了截面和时间维度的变化与比较分析,并以全国及其他直辖市为参照,全面剖析了重庆经济发展的演变轨迹和运行特征,并分析预测了重庆经济未来的发展前景,总结出重庆经济发展存在的主要问题,提出了重庆经济结构的调整思路和方向。     

短期火电系统的节能减排优化调度

本文针对火力发电过程中产生的环境污染问题,选取节能减排为决策目标,建立火电系统发电目标优化调度模型,寻求满足决策目标的最优调度方案。选取火电系统总发电成本最小、排放污染物最少作为节能减排调度的目标[1],对含有多个火电厂的大区域电力系统进行多目标优化调度。分析粒子群算法在该调度过程中的应用,为以后的研究和计算等工作打下基础。     

利用BP网络预测初产母牛305天产奶量

利用三层BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了一个用于预测初产母牛305d产奶量的BP模型,通过对初产母牛日最高产奶量、90d产奶量与初产母牛305d产奶量的相关分析,来确定网络的拓扑结构,经仿真实验结果表明,应用BP网络预测方法可以提前210d左右预测初产母牛305d产奶量,模型预测精度高,预测方法可行,具有一定的实用价值。     

进口贸易与经济增长的实证分析研究

本文运用单位根检验、误差修正模型、VAR模型、脉冲响应函数,利用1978-2012年的统计数据,对进口贸易对与经济增长的内在联系进行研究,结果表明GDP与进口贸易之间存在着长期稳定的动态均衡关系,进口贸易对GDP有很强促进作用,最后根据以上分析提出相关建议。     

粒子群算法求解物流路径优化问题

为了高效解决物流配送车辆路径优化问题,提出一种粒子群优化算法,根据粒子群较强的寻优能力,扩大了种群多样性和提高算法精度。本文针对此算法进行仿真实验,结果证明该算法寻求的最优解、平均解、以及找到最优解次数和时间均有明显效果。     

基于粒子群算法的海洋平台热介质锅炉PID参数优化

文中采用串级控制作为海洋平台热介质锅炉的控制方案,采用粒子群算法对PID控制器的比例带δ、积分时间Ti进行最优化,从而实现热介质锅炉温度的自动控制。通过粒子群算法进行串级控制系统PID参数优化,提高了控制系统的控制精度、可靠性、稳定性,具有工业应用价值。     

基于粒子群算法的海洋平台热介质锅炉PID参数优化

文中采用串级控制作为海洋平台热介质锅炉的控制方案，采用粒子群算法对PID控制器的比例带啄、积分时间Ti进行最优化，从而实现热介质锅炉温度的自动控制。通过粒子群算法进行串级控制系统PID参数优化，提高了控制系统的控制精度、可靠性、稳定性，具有工业应用价值。