基于IFWA-BP神经网络的线风速数据融合研究

针对时差法测量线风速受环境因素影响,导致测量结果不准确的问题,提出一种基于自适应烟花-BP神经网络(IFWA-BP)的数据融合方法。将线风速信息和环境信息进行数据融合,通过多源信息互补减小线风速测量的不准确性。自适应烟花算法是在烟花算法中引入自适应惯性权重,并对爆炸算子进行改进,增强了烟花算法的全局搜索能力,从而优化BP神经网络中的权值和阈值的寻优过程。为了比较IFWA-BP融合模型的融合效果,进行了多算法融合模型对比实验,实验结果表明IFWA-BP融合模型减小了线风速测量的误差,使线风速测量系统的精度达到了98.48%。

以全新的教学理念实施高中政治教学

在高中政治新的教学形势下，我们使用的是新课程新教材，特别是随着新课标教学理念的广泛实施，政治教学的方法与教学目标发生着变化。新课标在高中政治教学中逐渐为广大教师所接受并得以实施，给高中政治课注入了活力。但是，我们也应该清醒地认识到，由于受到长期的传统教学模式等多种因素的影响，在教学过程中还存在许多问题，需要我们不断探索与完善，以使高中政治教学效率有更大的提高。

基于IGOA-RBF的矿用风压传感器温度补偿研究

针对矿用风压传感器受环境温度影响导致风压测量不准确的问题,提出基于改进蝗虫算法优化径向基神经网络(IGOA-RBF)的误差补偿方法,来消除环境温度影响所带来的零点漂移和灵敏度漂移。首先建立基于RBF神经网络的温度补偿模型,利用蝗虫算法(GOA)对RBF的网络初始权值、激活函数的数据中心及扩展常数进行优化,来提高模型的补偿精度;进一步地,分别利用佳点集进行种群初始化、非线性自适应参数策略平衡搜索能力来改善GOA寻优质量;最后通过实验数据对补偿模型进行验证。结果表明,灵敏度温度漂移系数和零点温度漂移系数均降低一个数量级,且经IGOA-RBF补偿后的最大相对误差比经RBF补偿后的降低1.4%,测量精度明显提高。