基于RBF网络的足球点球轨迹预测

基于计算机视觉线性化轨迹预测模型在预测足球轨迹时,只能保证局部稳定性,存在轨迹跟踪局部稳定性问题和parking问题,提出了基于RBF网络的足球点球轨迹预测方法。建立足球运动状态传感信号解析模型,计算足球飞行地心重力、空气阻力、空气浮力、自身旋转时产生的马格努斯力的参数。建立足球飞行过程中的飞行受力解析模型,鉴于多参数模型复杂度过高,产生parking问题。利用RBF网络模型简化能力,建立飞行轨迹预测模型,结合并行滤波控制器,融合以上所有信息,在已知视觉概率计算的基础上,完成足球飞行轨迹的状态估计,并将其误差的协方差计算作为滤波控制的输入值,从而得到所有方差、均值的数据。最后获得足球在任意时刻的运动状态函数,完成预测。实验结果显示,该方法的足球运行轨迹吻合度为12 mm,且落点距离标准差最大仅为0.0412 m,因此,该预测方法能够得到精度更高的预测数据。

基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

基于建立的雪灾灾损指数,确定新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县(市),包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度。结果表明:该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。

WRBF网络的设计及其在混沌时间序列中的应用

结合小波网络良好的时频特性和 RBF 网络良好的局部特性,设计小波径向基函数网络(WRBF),该四层网络较三层小波网络和三层 RBF 网络有更优的特性。网络的第一隐层对输入样本进行小波映射,完成对输入信息的压缩,第二隐层实现径向基函数的非线性计算,克服了 RBF网络在处理多维样本时神经元的中心点和宽度难以确定及网络结果往往较复杂的弱点。为实现对网络结构和参数的同时优化,提出用二进制—复数混合编码的自适应进化规划,利用双倍体基因拓展染色体的信息量,加快算法的收敛速度,实现全局优化。在算法研究的基础上,利用 WRBF 网络对混沌时间序列进行预测,验证了方法的有效性。

基于灰色RBF网络的我国能源消费预测

利用我国能源消费总量的历史数据,采用灰色预测法建立预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值.实验结果表明,灰色RBF网络模型在预测精度方面优于单一的灰色模型.该模型计算简便,有较高的拟合和预测精度,拓宽了灰色模型的应用范围.

基于改进遗传算法优化的RBF网络的信道估计

为了提高通信系统信道估计的准确率,同时适应更大的数据量,进行更加复杂的数据计算,引入神经网络的方法进行信道估计,采用了BP和RBF神经网络进行实验对比,与传统信道估计方式相比有明显提升;在此基础上,进一步提出基于改进遗传算法优化的RBF神经信道估计方法,目的是帮助确定RBF网络的隐藏层参数,使得网络的参数趋于全局最优解,信道估计器的性能从而得到提升。经过Matlab仿真,改进后的RBF神经网络可以更好地解决信道估计问题,验证了此方法的可行性。

压力传感器温度漂移补偿的RBF网络模型

压力传感器在实际应用中普遍存在着温度漂移现象,这降低了传感器的测量精度,因此需要采取适当的补偿措施对传感器的温度附加误差进行修正,从而提高测量的准确性。本文针对在压力传感器电路中采用温度硬件补偿措施成本较高且精度不高的情况,建立了RBF网络软件补偿模型。RBF网络具有良好的非线性映射能力和泛化能力,采用带遗忘因子的梯度下降算法进行RBF网络的参数调整,实验表明RBF算法学习速度快,精度高。对实验中采集的数据进行非线性补偿,取得了良好的效果,大大提高了压力传感器的性能和测量精度。

基于遗传RBF网络的电子鼻对苹果质量的评定

提出一种根据苹果气味对苹果进行无损检测的方法 ,研制了一套适合苹果气味检测的电子鼻系统。对好坏苹果各 5 0个进行了检测 ,在获得传感器阵列数据的基础上 ,从每个传感器曲线中提取了 5个特征参数 ,作为模式识别的输入向量。用主成分分析法和遗传 RBF网络对所测的样本进行分析 ,主成分分析可较好的把好坏苹果区分开 ,遗传 RBF网络对训练集的回判正确率和对测试集的测试正确率分别为 10 0 %和 96 .4 %。

基于RBF网络的城市垃圾产量预测及可视化

为了预测并控制未来几年城市垃圾产量,以我国城市为例,利用K-近邻互信息的多变量特征从18个拟影响因素中确定了8个影响垃圾排放量因子,分别为常住人口、地区生产总值、社会消费品零售值、金融业增加值、工业增加值、批发和零售业增加值、住宿和餐饮业增加值和第三产业增加值.以2006~2013年数据为训练样本,2014~2015年数据为检验样本,根据影响因素建立径向基函数(RBF)神经网络预测模型,并基于平均相对误差对模型反向修正.然后结合两段式径向基预测模型,对全国各省市2017~2018年的垃圾总产量预测并可视化.结果表明,本文建立的两段式径向基预测模型平均相对误差是6.43%,预测精度为93.57%.可见,该模型的预测精度较高,能较好的在现实生活中对城市垃圾的产生量进行预测.

基于RBF网络的覆冰绝缘子闪络电压预测模型

绝缘子覆冰是威胁电网安全的主要因素之一。在对LXZP-160绝缘子试验研究的基础上,提出了一种基于径向基神经网络(RBF)网络的覆冰绝缘子闪络电压的预测模型。预测模型以绝缘子串长、污秽度、气压、覆冰水电导率等因素为输入变量,以覆冰绝缘子的最低闪络电压为输出变量,网络隐含层单元个数和中心向量采用正交最小二乘法(OLS)算法确定,从隐层到输出层的权值采用伪逆法确定。预测的覆冰绝缘子闪络电压平均误差<1%,优于传统的BP网络,且与数据具有良好的一致性。试验和理论分析表明,该模型能反映覆冰绝缘子闪络电压与绝缘子串长、污秽度、气压、覆冰水电导率等因素间的非线性关系,这对于我国预防冰灾具有一定的参考价值。

基于RBF网络的火电机组实时成本在线建模方法

针对火电厂实时成本建模问题,该文提出一种基于RBF网的在线建模方法,即资源优化网络,简称RON。RON能自动根据最近一段时间内的误差信息优化网络结构:如果当前网络不能实现新输入样本,则在线增加新隐节点,否则使用梯度法在线调节网络的隐节点数据中心和扩展常数。数据中心和扩展常数调整过程中还引入了隐节点的合并操作和删除操作。进一步介绍了火电厂实时成本建模方法,包括网络结构的确定,及如何获取训练样本。仿真实例表明,RON对能较好地适应对象参数的时变特性,并对训练样本集变化具有较好的鲁棒性。

基于RBF网络的智能气敏传感器温度补偿

研制出一种基于ARM7的智能气敏传感器,通过测量气敏薄膜的电阻,并将所测阻值和气体浓度进行校准,从而显示气体浓度。为了减小温度漂移带来的附加误差,提高传感器的测量精度,将气敏传感器所测量的电阻值与加热电压作为神经网络的输入,气体浓度值为输出,构造了一个双输入单输出的RBF神经网络温度补偿模型。采用RBF网络的带遗忘因子的梯度下降算法进行RBF网络的参数调整,实验表明RBF算法学习速度快,精度高。对实验中采集的数据进行非线性补偿后,误差保持在1.5%以内,大大提高了传感器的性能和测量精度,该装置能够很好地对环境中的气体进行监控。

RBF网络在实时在线检测系统中的应用

采用 RBF网络完成系统的实时在线检测。首先应用传统的 RBF方法完成定量检测 ,然后针对神经网络结构优化这个难点 ,提出应用改进的 Gram- Schmidt方法优化 RBF网络结构 ,结果表明 :能极大地简化网络结构 ,提高收敛速度 ,为神经网络在实时在线检测中的应用提供可能。

区域水资源开发利用程度评价的RBF网络模型

当前的水资源开发利用程度评价模型随着区域水资源开发利用系统评价内容的不同而变化 ,精度较难控制 .为解决单项水资源开发利用程度评价指标评价结果的不相容问题 ,提高水资源开发利用程度综合评价各层次的分辨力和评价模型的精度 ,本文给出了水资源开发利用程度综合评价的MATLAB环境下的径向基函数 (RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法 .作为示例 ,对西安市水资源开发利用程度进行了综合评价 .结果表明 ,MATLAB环境下的RBF神经网络评价方法简便有效 ,即具有较强的分类功能 ,又具有较好的排序功能 ,评价结果可靠、适用性强 。

堆石坝参数反演的蚁群聚类RBF网络模型

将蚁群算法与径向基(RBF)网络相结合,提出一种用于堆石坝力学参数反演的蚁群聚类径向基网络模型。该模型用蚁群聚类算法搜索RBF网络基函数中心,模拟蚁群觅食聚类的概率转移特性,所得到的聚类结果类间离散度和比传统K均值聚类结果小,能够得到更合理的基函数中心,从而获得较准确的坝体参数和位移之间的非线性映射关系。在进行参数灵敏度分析的基础,对一座堆石坝的反演分析表明,蚁群聚类RBF网络模型可有效地求解堆石坝多参数反演问题,反演结果优于BP网络模型和K均值RBF网络模型。

基于鲁棒自适应RBF网络的聚丙烯熔融指数预报

讨论径向基函数网络（ＲＢＦ网络）的网络结构和基本算法，在此基础上提出了鲁棒自适应ＲＢＦ网络方法。仿真结果表明。

免疫蚂蚁算法优化的RBF网络用于模拟电路故障诊断

针对传统蚂蚁算法中出现的易停滞现象,引入免疫机制,提出了一种新的融合算法,即免疫-蚂蚁算法,用其对RBF网络中心参量进行优化,并将优化后的模型用于模拟电路故障诊断。详述了算法原理,构造网络模型的步骤以及故障诊断步骤,并给出了仿真实例。仿真结果表明该方法可以有效克服基本蚂蚁算法的缺陷,优化得到的RBF网络实现了对隐层中心参量的自适应获取,提高泛化能力,用于故障诊断有速度快、准确率高的特点。

RBF网络基函数中心选取算法的研究

首先介绍RBF网络基函数中心的随机选取算法 ,然后研究自组织学习算法选取RBF基函数中心方法 ,最后给出一种最近邻聚类学习算法。通过系统辨识的实例仿真 。

用RBF网络整定的火电厂主汽温PID串级控制系统

火电厂主汽温具有大惯性、大迟延等特性,其动态特性随负荷而变化,采用常规的按照典型工况整定的固定参数PID串级控制难以获得满意的控制效果。为此,提出一种用RBF网络整定的PID串级主汽温控制策略,将RBF神经网络和常规PID串级控制相结合构成的智能PID控制器不仅具有常规PID控制器的特性,而且具有智能控制器的自学习能力,增强了系统对不确定因素的适应性。仿真研究结果表明:系统动态品质明显优于通常的PID串级控制,能适应对象参数的变化,具有较强的鲁棒性和自适应能力。

基于T-S模糊模型的RBF网络的自适应学习算法

针对多维模糊推理中的推理规则庞大和参数难辨识的问题,提出一种基于T S模糊模型的RBF神经网络的自适应学习算法.该算法不仅能动态调节T S型模糊RBF网络的隐节点数,还能使网络的数据中心值自适应变化,有较好的自学习能力和优化能力.仿真结果验证了该算法是有效和可行的,表明此T S型模糊RBF网络不仅可以快速逼近任意多变量非线性函数,而且具有良好的自适应能力.

一种基于RBF网络的自适应容错联邦滤波算法研究

联邦滤波的信息分配原则直接影响滤波器的容错性和精度.考虑到故障隔离后的子系统不能参与联邦滤波器的信息分配,首先给出一种基于RBF网络的联邦滤波器的故障检测方法;然后通过引入故障因子,将系统的信息分配和故障状态综合考虑,提出一种自适应的动态信息分配方法.仿真算例表明,该方法能够提高系统的容错性和滤波精度.