BP改进算法在哮喘症状-证型分类预测中的应用

针对BP算法学习率需要人为不断调试且收敛速度慢的缺点,通过对其算法性能进行分析,提出一种基于竞争学习与学习率自适应的改进BP算法,即CAL-BP算法。将改进算法用于哮喘症状-证型的分类预测实验中,将BP算法与CAL-BP算法对哮喘症状-证型数据的训练效果做了对比,实验结果表明,采用改进的CAL-BP算法训练数据时收敛速度更快,识别率更高。

基于ICA-NN的短期风功率预测研究

随着风电大规模的接入电网,风电对电网的影响越来越大。由于风电出力具有随机性、间歇性和不可控性,导致风电对电网调度运行带来巨大的挑战。为了充分利用风电,必须将风电由未知变为基本已知,提高对风电出力的预测精度。提出一种基于帝国主义竞争算法的神经网络(ICA-NN)方法来提高短期风功率预测的精度。在该方法中,首先,建立一个基于多层感知器(MLP)人工神经网络的风速预测模型,然后,用帝国主义竞争算法优化神经网络中的权值。将该预测方法应用于新疆某风电场,验证了该方法应用于短期风功率预测的有效性,证明了该方法可以提高短期风功率预测的精度。

新疆博斯腾湖湖滨绿洲不同土地利用类型土壤电导率高光谱估算

为了更精准了解博斯腾湖湖滨绿洲不同土地利用类型的土壤含盐量,应用竞争性自适应重加权采样(CARS)、连续投影算法(SPA)、竞争性自适应重加权-连续投影算法(CARS-SPA)3种方法筛选不同土地利用类型土壤电导率高光谱数据的特征波段,基于全波段和特征波段结合BP神经网络分别构建湖滨绿洲的耕地、林地、荒地和整体土地的土壤电导率估算模型,对比不同方式的估算模型精度。研究结果表明:1)耕地、林地、荒地及整体土地的土壤电导率均值分别为0.84、5.43、5.78、3.26 mS/cm。湖滨绿洲整体土地的电导率相比耕地平均值增加了2.42 mS/cm,相比林地和荒地减少了2.17、2.52 mS/cm。2)通过CARS-SPA方法可以降低输入模型的波段数,提高模型的效率,筛选耕地、林地、荒地及整体土地的土壤电导率的特征波段数仅占全波段的0.71%、0.59%、0.06%、1.00%。3)对耕地、林地、荒地的土壤电导率构建单独的估算模型明显提高了研究区土壤电导率的估算精度,在FDR-CARS-BP、FDR-SPA-BP、FDR-CARS-SPA-BP共3种模型中,耕地、林地、荒地土壤电导率建模的平均R2相比整体土地建模分别提高0.12、0.14、0.15,FDR-CARS-SPA-BP模型为研究区土壤电导率高光谱估算最优模型。