改进的人工蜂群算法在作业调度中的应用

人工蜂群算法是一种模拟蜜蜂觅食行为的人工智能优化算法.作业调度问题是指在一个系统内通过某种方式分配工作以达到工作效率或资源分配最优.在本文中,将遗传算法的变异和杂交操作插到传统的人工蜂群算法中,从而提出一种改进的人工蜂群算法.变异操作在雇用蜂阶段后插入,杂交操作在跟随蜂阶段之后插入.实验表明,本文的改进人工蜂群算法在作业调度中的作用是有效的、显著的.     

求解SEVM模型的人工蜂群算法

近年来,越来越多的复杂问题促使着不同的受启于生物的优化算法的研究和发展,一个众所周知的例子就是人工蜂群(Artificial Bee Colony,ABC)算法,主要在于它控制参数少,鲁棒性强,易于实现.随机规划已经在管理学,最优控制,经济学,电力调度等应用领域展现了强大的生命力,然而在求解时由于随机参数的注入,使得这...     

基于灰色-BP神经网络的重庆市城镇建设用地规模预测

以2000～2009年重庆市城镇建设用地规模为数据源,采用灰色-BP神经网络模型对城镇建设用地规模进行预测,结果表明模型的平均误差只有0.81%,精度远高于灰色预测模型,充分说明灰色-BP神经网络模型对城镇建设用地规模的预测具有较高的拟合度及可行性。     

基于GM(1,1)-BP神经网络的城市耕地数量预测研究

基于灰色理论和BP神经网络建立GM(1,1)-BP神经网络组合模型,把灰色模型的时序性、无序性等优点与BP神经网络自学习、自组织的特点相结合,对耕地数量进行组合预测。结果表明,组合模型对耕地数量的变化预测精度较单一的灰色预测法有提高,与实际值有较好的拟合度,且具有简单、易用的特点。     

BP神经网络在需水预测中的应用

阐述BP神经网络的计算步骤及其改进方法。将BP神经网络模型应用到抚顺市需水预测的实例研究中,通过实例的结果来验证该方法的精度。实例证明该方法具有较大的研究潜力,需要进一步深入研究解决现有问题提高其实用性。     

季节性周期预测法在建立降雨预报模型中的应用

利用季节预测法建立了三江平原井灌水稻区大气降雨预报模型 ,经与实测值比较 ,精度较高。可在灌区降雨预防及灌溉管理中应用。同时对于该地区推求水稻净灌溉需水量、灌溉定额、优化灌溉制度、节约地下水资源、实施节水灌溉等方面具有重要意义     

基于因子分析的BP神经网络在需水预测中的应用

需水预测涉及农业、工业、生活和环境等多种因素,是典型的多指标评价问题,需对多因素进行综合评估.以广东省珠海市为例,利用1986～2000年的需水量数据,采用因子分析法对影响需水量的8个变量进行因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的需水量预测.结果表明:前4个公因子,即综合实力因子、畜牧影响因子、环境影响因子和补充分析因子,累计贡献率达99%以上,为影响研究区需水量的主要因子,以此作为输入样本建立的BP神经网络需水预测模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,精度较高.因子分析与BP神经网络结合是多因素需水预测的一个有益尝试.     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性，提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

BP神经网络在气象数据预测研究中的应用

BP(Back Propagation)网络是一种被广泛运用的神经网络.它的核心是BP算法,本文是在建立影响气象环境状态指标体系基础上,收集各指标在研究期内的有关数据,对数据进行整理分析并建立数据库,尝试利用基于BP算法的三层向前神经网络对气象数据进行预测.     

地面气象观测人工站与自动站的记录差异

随着我国基础设施不断完善,地面气象观测自动站也逐步建立与应用,自动站与传统人工观测的数据存在着一定的差异,对于这些差异,都要认真进行比较分析。自动气象站与人工观测记录数据差值大于规定标准时,应根据具体天气情况、测报软件运行状况、自动气象观测系统工作状态、供电、数据传输等要素综合分析,找出症结所在,及时解决。不断提高自动气象观测站监测数据的可靠性以及人工观测数据的准确性。     

平乐县自动站与人工站气象要素的对比分析

通过对广西平乐县气象局2010年自动站和人工站3个主要气象要素观测资料的比较,分析2种观测数据差异的特征、形成原因以及自动站观测数据的准确性。结果表明,2种观测数据存在差异的主要原因:自动站与人工站仪器本身的构造不同;观测仪器本身所造成的误差;观测体制(观测时间)上的不同步;人工站存在观测员的读数视差等。     

BP人工神经网络在植物病虫害预测中的应用

简单介绍了误差反向传播网络(BP)的工作原理,并且综述了BP人工神经网络在植物病虫害发生流行程度预测方面的研究进展,最后讨论了为提高人工神经网络预测精度应注意的问题。     

人工站和自动站的观测数据对比分析

对人工站和自动站夏冬两个季节各要素进行采样,并对观测数据进行对比,同时将两种观测数据之间产生的差异进行分析,探讨了其存在差异的主要成因和自动站在今后的单轨道运行中需要注意的问题。     

土壤水分预测的BP神经网络方法及模型

土壤水分预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物生长的影响,关系比较复杂。笔者利用多年实测土壤水分资料和气象资料,建立了考虑多个因素对土壤水分影响的BP人工神经网络模型。模型结果表明:所建立的模型具有较好的预测效果;用神经网络建立土壤水分预测模型的方法是可行的。     

自动站与人工站观测数据的差异对比分析

使用自动站质量控制软件,利用2006年～2007年安定国家一般气象站自动气象站与人工站观测的温度、气压、降水等气象资料,对其差值、粗差率、一致率和风向相符率等进行对比分析。结果表明：自动站与人工站气温、相对湿度、降水和OCM地温观测差值较小,相对湿度、10分钟和2分钟风速和风向相符率观测差值较大,因仪器原理差异、观测采集方法及观测样本不同、时空差异、感应器所处环境不同、时次差异造成对比观测差异的主要原因。     

自动站与人工站观测数据的差异对比分析

使用自动站质量控制软件,利用2006年～2007年安定国家一般气象站自动气象站与人工站观测的温度、气压、降水等气象资料,对其差值、粗差率、一致率和风向相符率等进行对比分析。结果表明:自动站与人工站气温、相对湿度、降水和0CM地温观测差值较小,相对湿度、10分钟和2分钟风速和风向相符率观测差值较大,因仪器原理差异、观测采集方法及观测样本不同、时空差异、感应器所处环境不同、时次差异造成对比观测差异的主要原因。     

求解二层线性规划问题的交互式人工蜂群算法

基于人工蜂群算法提出了一种求解二层线性规划问题的交互式人工蜂群算法,即将求解二层规划问题转化为交互求解下层单目标规划问题和上层单目标规划问题。数值试验表明,该算法能够在较短的时间内得到问题的近似最优解,说明该算法是一种求解二层线性规划问题的有效方法。     

自动站与人工站观测数据差值的统计特征

作者通过详实的统计分析,揭示了自动观测和人工观测两种方式在四个基本地面要素上存在着不同程度的系统偏差和不可忽视的偶然偏差,这些偏差具有明显的季节变化和日变化特征,并指出由于一些相当明显的偶然偏差的存在,直接应用自动站数据会对建立在过去人工观测数据基础之上的气候统计分析、天气预报方程及天气气候预测评定带来一定的不利影响,相关人员在应用自动站数据进行气候变化分析、制作天气气候预测时应对资料做适当地处理。     

自动站与人工站气象数据差异的原因

利用习水自动气象站与人工站一年对比观测的数据,对自动观测资料和人工观测资料的差异原因作了简要分析。