基于粗糙集和遗传神经网络的城市日用水量预测模型

为克服日用水量主要影响因素一般采用主观判断确定的不足,利用改进粗糙集算法对影响因素进行属性约简,确定日用水量的主要影响因素。以日用水量的主要影响因素和相关日用水量为BP网络的输入,采用遗传算法优化BP网络的权阈值,建立了基于粗糙集算法和优化BP网络的日用水量预测模型。实例分析表明,与基于传统BP网络和基于遗传算法优化B...     

BP网络、Hopfield网络在水质评价应用中的比较研究

针对BP网络、Hopfield网络在水质评价的应用问题,建立BP网络、Hopfield网络水质评价模型,对BP网络、Hopfield网络从结构、输入输出、稳定性、评价结果等方面进一步地分析比较。然后以东辽河为例,运用BP网络、Hopfield网络、模糊评价法、内梅罗指数法4种水质评价方法进行水质评价,通过比较评价结果进行深入研究。结果表明,Hopfield神经网络更适用于水质评价。对神经网络方法水质评价问题进行探讨,试图找出BP网络、Hopfield网络方法在水质综合评价中的优缺点,具有非常现实的意义。     

基于DRNN网络的风力辅助提水机自整定PID控制

基于风力机和离心水泵的特点,提出了一种风力辅助提水机结构及该机的控制系统。该机是一个耦合的两输入两输出时变系统,系统存在的响应较慢,负荷的随机变化及参数快时变的特性。固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络（DRNN）的两输入两输出PID控制器结构,给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法。使该系统能在自然界的风速随机变化的情况下使风力机最大可能利用风能,同时与离心水泵输出功率匹配.计算机仿真结果验证了该控制策略可行性,这为以后进一步研究奠定了基础。     

基于BP神经网络的信息融合发动机故障诊断的研究

为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点,在神经网络分析的基础上,提出了一种基于气缸压和、缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。该方法能有效地提高其故障诊断精度,明显增加了诊断过程的准确性和智能化。     

神经网络模糊PID算法在温室温度控制中的仿真研究

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。     

基于ANN的抽水蓄能电站建模与过渡过程优化

对大型带长引水管道的抽水蓄能电站机组调节系统进行了建模与过渡过程调节参数优化的研究.依据某抽水蓄能电站的具体参数,利用Matlab/Simulink对其机组调节系统建模,其中长引水管道系统采用弹性水击模型以较准确地反映较长压力管道内的水力振动特性,然后利用BP和RBF神经网络训练水泵水轮机特性参数,以获取较精确的水轮机模型,从而避免用插值法处理密集、交叉现象严重的水泵水轮机“S”特性曲线带来的误差.基于所建立的仿真模型,引入改进正交试验法对其空载频率扰动、负荷扰动及甩负荷过渡过程进行调节参数优化.结果表明,所建立的调节系统仿真模型可以在一定程度上反映机组的实际特性,并且改进正交试验法在机组调节系统过渡过程仿真试验参数优化中取得了很好的效果.本研究对大型抽水蓄能机组调节系统建模仿真具有一定的指导意义,为实际运行中机组过渡过程优化控制提供了理论依据和技术参考.     

基于Elman小波神经网络的垦区地下水位预测模型研究

在现有Elman神经网络和小波分析理论研究的基础上,提出了Elman小波神经网络模型。给出了Elman小波神经网络梯度下降法训练的推导过程,为了避免梯度下降法收敛速度慢、容易产生振荡和陷入局部最优等缺点,在Elman小波神经网络的训练过程中引入动量项和自适应学习速率,并将该网络应用到垦区地下水位预测中,取得了良好的预期效果。在训练过程中,该网络具有收敛速度快,精度高等优点,同时也具有较好的泛化能力。     

城市发展过程中用水量预测研究

城市化程度的不断提高使得城市对资源环境的需求越来越多,对资源环境的压力也越来越大,尤其是对作为城市物质基础的水资源的压力越来越大。因此需要对城市经济发展过程中城市发展与城市用水的关系进行更进一步的研究。用衡量城市经济发展的4个指标组成一个向量-Ψ来定量描述城市化,并利用神经网络建立了向量-Ψ与城市用水量Q的数量关系,然后根据城市经济发展目标预测相应城市规模条件下城市用水量,为城市规划提供依据。     

ET_0的主因子和主成分神经网络模型比较

为了简化BP神经网络预测ET0的模型,将气象因子包括最高、最低和日平均温度、日照时数、相对湿度和风速进行主成分分析和偏相关分析,提取主成分和主因子,分别建立了基于主成分和主因子的三层BP神经网络模型,并对两种模型的训练和预测结果进行比较。选取湟水流域的乐都气象站2003年到2006年5月逐日的气象资料,采用Matlab神经网络工具箱进行模型训练与预测。结果表明主成分神经网络训练和预测模型的精度都优于主因子神经网络模型。主要是由于两种模型选取输入层的因子不同造成的。     

神经网络在农业专家系统中的应用

介绍了专家系统的特点及农业专家系统的发展现状;提出了将神经网络理论应用于农业专家系统的设计方法,并分析了其优点;论述了基于神经网络的农业专家系统的结构、知识表示与获取、推理机制等;结合具体实例,给出了神经网络学习方法及专家系统运行过程。