基于BP神经网络算法的压缩机组运行优化模型

增压站运行方案制定的难点在于如何根据下游耗气量的变化,在不超出压缩机最大功率参数的情况下精准快速地调整进站压力,并根据具体需求提前制定多机组联合运行方案。以大牛地气田塔榆增压站6RDSA-1型压缩机组为研究对象,采用BP神经网络算法建立了压缩机组运行优化模型。选择已有的压缩机进气温度、排气压力及排气流量这3个基本参数作为模型输入值,计算得到了合适的进气压力和机组的轴功率。通过不同工况多组数据对比,模型对进气压力的预测结果与现场实测值的相对误差小于2.75%,验证了基于BP神经网络算法的压缩机组运行优化模型的可靠性,有助于增压站提前制定多机组联机运行方案,提升机组的运行效率,降低能耗和运维成本。     

基于GMDH网络的船用增压柴油机性能预测及仿真

采用数据分组处理（Group Method of Data Handing,GMDH）的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP（Back-Propagation,BP）前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求.     

BP和RBF神经网络短时交通流预测结果比较

对BP神经网络和RBF神经网络这2种模型的特征进行了分析,并将其应用于某高速公路的短时流量预测,比较了2种神经网络模型的预测结果。从量化的角度进一步证实了在交通流预测领域RBF神经网络比BP神经网络更快捷、更准确,从而更适合应用于对实时性和准确性要求比较高的交通系统。     

川渝环状天然气管网运行能效评价

运行能效评价对于天然气管道运营企业提高节能降耗水平具有重要意义.为了对川渝环状天然气管网进行运行能效评价,在分析管网特点、能耗结构及运行能效评价特殊性的基础上,应用AHP层次分析原理,构建了4层次10指标天然气管网运行能效评价体系,综合能效指数的引入实现了以一个整合各种能耗因素影响力的综合能效指标对整个管网能效的定量评价.应用该指标体系对2012年2月川渝管网主环网运行能效进行评价,结果表明：19#、1#、18#、2#、16#站场的能效指数低于平均值,说明应加强站场能耗管理;上游1#～8#管段、中游9#～20#管段、下游21#～23#管段的平均综合能效指数分别为0.73、0.833、0.68,反映了川渝管网中游管段整体比上、下游管段能效高的现状,符合川渝管网无增压站的特点,评价结果可为川渝管网的能效管理和优化调配提供重要依据.     

基于粒子群优化的BP网络模型在旱涝预测中的应用

旱涝预测为旱涝灾害防御措施的研究提供重要的依据.运用PSO优化的BP神经网络建立了旱涝预测模型.PSO优化的BP神经网络既发挥了BP神经网络在预测领域的优点,同时又结合了PSO算法全局搜索能力强、收敛速度快等特点进行预测.预测结果表明:辽宁省本溪地区11年实测数据对PSO优化的BP神经网络模型进行验证,PSO优化的BP神经网络模型的预测结果明显好于未经优化的,模型精度得到了一定程度的提高,能满足本溪地区旱涝预测的实际需要.     

线性回归与BP神经网络方法的山东粮食产量预测比较研究

山东省是我国传统农业大省,粮食产量对我国粮食总产量的影响较大,因此对山东省粮食产量进行预测具有重大意义.分别利用多元线性回归方法和BP神经网络两种预测方法对山东粮食产量进行预测,并对两种方法的预测结果进行分析比较,实验证明,BP神经网络平均预测精度高于多元线性回归模型,且各期预测精度较多元线性回归模型更稳定,但随时间推移,误差增大,因此BP神经网络预测模型较适用于近期粮食产量预测.     

基于BP神经网络与灰色模型的干旱预测方法研究

为了提高降水量预测的精度,采用BP神经网络与灰色模型相结合干旱预测的理论方法,研究数据的灰色建模与预测,再对模拟值与真值残差进行BP网络建模,利用残差模拟值修正总体降水量预测值,并对朝阳地区降水量进行预测。研究结果表明:BP神经网络与灰色模型预测相结合降水量平均预测误差为0.0799,比单纯用灰色模型预测误差降低0.1311,说明BP神经网络与灰色模型相结合的预测方法适合朝阳地区降水量的预测。     

萤火虫优化算法耦合人工神经网络的膨胀土胀缩量预测

为了提高膨胀土胀缩量预测的精度,本文耦合萤火虫算法优化和BP神经网络对膨胀土胀缩量进行多因子预测。选用蒙脱石含量、液限、塑性指数、含水量、干密度、粘粒含量、上覆压力等7个膨胀变形量指标作为BP神经网络输入参数;利用萤火虫算法全局寻优的特点优化BP神经网络的初始权值与阈值;建立评价指标体系,对比分析本文模型与传统BP神经网络模型。结果表明,萤火虫算法优化的BP神经网络模型对膨胀土胀缩量的预测精度高于传统神经网络,该模型可以应用于膨胀土胀缩量预测领域。     

无站条件下BP神经网络年径流量预测模型研究

针对无监测站的河流断面的径流量预测难的问题,选取了有针对性的影响因子,采用人工神经网络的BP改进算法—自适应调节学习速率算法,以Matlab神经网络工具箱为工具,以辽河干流铁岭站为假想对象,建立了无站条件下年径流量预测模型,模型训练48次误差达到要求,以2004～2006年3年实测资料作为检验样本进行仿真,验证模型的精度。仿真结果表明:3年预测结果全部满足要求,说明该模型可用于河流任一断面年径流量的预测。     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO‐BP算法在洪水预测应用中建立预测模型。以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性。采用改进的PSO‐BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值。通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率。     

基于多种模型的浙江省入境游客量预测

入境游客量是衡量地区旅游发展的重要指标之一,准确的旅游需求预测可以为旅游规划提供参考依据。本文根据浙江省2001-2011年接待入境旅游游客量及其他相关统计数据,运用BP神经网络法、GMDH模型、逐步回归分析与BP神经网络组合预测法以及BP神经网络与GMDH模型组合预测法,基于影响因子要素对入境游客量进行预测分析。实验证明BP神经网络与GMDH模型组合预测法具有较强的预测优势。     

基于粗糙集与BP神经网络军航飞行风险等级预测

为准确高效地预测现行军航飞行风险等级,本文利用相关历史数据,提出一种基于粗糙集和BP神经网络的军航飞行风险等级预测模型。首先根据人-机-环-管理论并咨询专家,建立军航飞行风险原因属性指标体系,然后利用粗糙集删减体系中冗余的原因属性,确定造成军航飞行风险的主要因素,据此构建BP神经网络模型并对训练中的军航飞行风险等级预测。预测结果表明,该模型能够准确有效地克服由于过多风险因素干扰以及主观臆测对军航飞行风险的影响。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

含硫管道腐蚀预测方法

针对气田集输管道腐蚀诸多因素的复杂性和不确定性以及管道腐蚀剩余寿命预测困难等问题,提出了适用于集输管道腐蚀预测的两种评价方法,即概率统计方法和人工神经网络方法.研究表明,这两种方法能较好地预测集输管道腐蚀变化趋势,为管道剩余寿命预测提供可靠依据.对腐蚀评价方法的发展趋势进行了分析.     

基于EMD的BP神经网络在凌河流域旱灾预测中的应用

为提高旱灾预测模型预测精度,利用EMD(经验模态分解法)处理非平稳信号的优势,将其应用到BP神经网络预测模型中,建立基于EMD的BP神经网络旱灾预测模型,对凌河流域44个观测站(小凌河流域11站、大凌河流域33站)共51年(1960~2010)的降水资料进行旱灾预测应用,同时将基于EMD的BP神经网络旱灾预测模型结果与BP神经网络预测模型结果进行对比。结果表明:小凌河流域基于EMD的BP神经网络预测模型、BP神经网络预测模型的年均降水量预测值均方误差(MSE)分别为0.0011和0.0076,决定系数(R2)分别为0.95和0.83;大凌河流域基于EMD的BP神经网络预测模型、BP神经网络模型的年均降水量预测值均方误差(MSE)分别为0.0032和0.0092,决定系数(R2)分别为0.93和0.79。基于EMD的BP神经网络预测值均方误差(MSE)较小且决定系数(R2)较高,均优于BP神经网络预测值,提高了BP神经网络旱灾预测模型预测精度,具有一定的可行性。     

基于BP神经网络与SVM模型的黄尾河径流预测比较分析

比较分析BP神经网络与SVM模型在径流预测应用中的性能特征。以降雨量为预报因子,采用BP人工神经网络模型和SVM模型对大别山黄尾河流域40 a时长的同期径流过程进行数值模拟,并对二者的预测性能进行比较与评价。结果表明,黄尾河流域BP模型模拟的总体相对误差为14.43%,合格率为77.5%,确定性系数为0.76,预报精度等级为乙级;SVM模拟的总体相对误差为12.41%,合格率、确定性系数及预报精度等级与BP模型相同。SVM模型模拟结果较BP模型而言更集中于较小的误差范围内。BP模型的累积误差>SVM模型,并且随着误差自由度的增大,这种差距有扩大的趋势,表明SVM模型的误差范围较小,误差间隔小于BP模型,模拟性能较BP模型更稳定。     

涩北气田集输管道风险评价方法修正

为了评估涩北气田天然气集输管道风险,使风险评价结果更加准确,对中国现有的半定量风险评价规范的失效可能性及失效后果评价因子进行了对比分析。结合涩北气田天然气集输管道运营现状,确定了风险评价一级评价因子11个、二级评价因子59个。利用层次分析法对涩北气田天然气集输管道失效后果评价因子权重进行计算修正,确定了半定量风险评价计算方法。选取涩北气田具有代表性的两条天然气集输管道为例,采用修正前及修正后的方法进行风险评价,将两种方法的评价结果进行对比,结果表明修正后的半定量风险评价方法更加符合涩北气田地域特点和管道实际风险状况。(图1,表6,参22)     

油田集输系统生产运行参数优化

为实现“接转站—联合站—联合站—首站”四级布站的集输系统更安全、经济运行,以胜利油田某集输系统为研究对象,在工艺流程一定的情况下,考虑水力、热力等约束,建立基于联合站处理效果的集输系统整体运行参数优化模型,并采用随机试验法对模型进行求解。结果表明:在满足外输原油含水率、污水含油量的前提下,与优化前相比,优化后的集输系统节约成本1771元/d、总能耗降低8.3%、集输系统效率提高4%,优化效果显著。研究成果可为油田集输系统的实际生产运行提供理论指导,降低生产能耗。     

基于主成分分析和粒子群优化神经网络的粮食产量预测

粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。     

灰色神经网络耦合模型在加矾系统预测中的应用

为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016％,最大相差为0.025％,BP神经网络模型平均相对误差为0.037％,最大相差为0.069％,灰色神经网络耦合模型的平均相对误差0.006％,最大相差0.009％,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性.