基于WOA-Elman的Stewart平台位姿正解

为了高效而准确地求解Stewart平台的正解问题,在本研究中,采用了鲸鱼算法来优化Elman神经网络模型。对Stewart平台的六根连杆长度和平台位姿的运动学模型进行了详细分析,并通过平台位姿反解数据创建实验数据集。关于Elman神经网络模型,引入鲸鱼优化算法对该模型进行了优化,以提高计算性能和精度,从而建立了WOA-Elman模型,用于求解Stewart平台的正解。通过详细的仿真分析对模型进行评估,并通过实验来验证模型的有效性。研究结果表明,采用鲸鱼算法优化的Elman神经网络模型在求解Stewart平台正解问题方面表现出色。该模型展现出出色的非线性拟合能力和高度的计算精度,能够快速而准确地求解Stewart平台的位姿正解问题。这一研究成果为解决Stewart平台位姿正解问题提供了一种高精度的方法。

SSA-Elman神经网络模型在建筑物沉降预测中的应用

为了提高建筑物沉降变形预测精度,最大限度地减少监测数据中非变形噪声分量对预测结果的影响,本文在Elman神经网络模型的基础上引入奇异谱分析方法,构建新的SSA-Elman神经网络模型。首先利用SSA方法提取沉降监测数据中的趋势分量与周期分量,剔除噪声分量,提高监测数据信噪比;其次通过Elman神经网络模型分别对趋势分量、周期分量进行预测,得到对应分量预测结果;最后重构趋势分量与周期分量预测结果得到最终预测结果。通过实测建筑物沉降数据分别对Elman神经网络模型与SSA-Elman神经网络模型进行建模与预测,结果表明,SSA-Elman神经网络模型的预测精度更高,更适应长周期预测。

基于鱼群优化算法和Elman神经网络的短期电力负荷预测

精确的短期负荷预测允许用户选择合适的能源利用策略,并最大限度地降低电费支出。为实现更为精确且全局最优的短期负荷预测,提出一种基于鱼群优化算法和Elman神经网络的短期电力负荷预测方案。首先利用小波变换将时间序列分解成分量,并基于对立人工鱼群优化算法进行特征选择。接着基于Elman神经网络模型的水波优化算法进行短期负荷预测,从而显著提高了预测的精确度。最后应用逆小波变换得到每小时的负荷预测数据,借助武汉市电力负荷数据对所提方案进行验证评估。验证结果表明所提方案在冬季数据和夏季数据上的平均绝对百分比误差分别为1.43%和1.98%,明显优于支持向量机、混合网络和小波变换-神经进化算法。

基于GAElman算法模型的电力信息网络安全态势评估

为了提高电力信息网络安全态势评估能力,提出了Elman神经网络模型。在模型中将遗传算法引入Elman算法,并通过主动式和被动式相结合的采集技术对电力信息网络进行数据收集,将各个数据源的原始数据进行综合分析和处理。在具体应用中,通过控制芯片为STM32F429ZET6单片机的ARM32位Cortex TM-M4处理器内核,大大提高了电力信息网络安全态势评估控制能力。试验结果显示,研究方法的评估准确率最高为97.9%,为下一步技术的研究奠定了基础。

Elman反馈型神经网络模型在灌溉用水量预测中的应用

灌溉用水量的预测对灌区的灌溉管理起着重要的作用。运用神经网络中Elman反馈型神经网络建立了灌溉用水量预测模型,模型输入层神经元数目为4,输出层神经元数目为1,隐含层神经元数目确定采用试验法,最终确定为10。预测结果表明:该方法与传统的预测方法相比,具有网络稳定性高,训练误差曲线比较平滑,模型预报精度较高等优点。

Elman动态递归神经网络在树木生长预测中的应用

该文充分考虑树木生长所特有的动态性、随机性和非线性,以及Elman动态递归模型的结构特点,获取北京山区油松解析木生长数据,分别建立了Elman型树木胸径生长和树高生长的神经网络动态模型.研究表明,Elman动态递归模型对非线性问题建模具有很好的拟和性和仿真性,其中,用于胸径生长建模时,其拟和精度达到99.45%,仿真精度达到99.42%;用于树高生长建模时,拟和精度达到97.30%,仿真精度达到97.29%,而且其拟和和仿真曲线均为"S"形,符合树木生长规律.进一步对Elman动态模型和常规BP静态模型比较发现,Elman模型具有更好的拟和性、预测性和稳定性.

基于Elman神经网络的烤烟鲜烟叶含水量模型研究

在Matlab中利用ANN方法建立了鲜烟叶含水量Elman非线性动态预测数学模型,利用计算机视觉技术,选取在改进AHP法中占较大权重综合评判指标叶片宽、面积以及均值特征量,作为网络的输入,克服了用单一指标进行评判的缺陷,通过实验数据对Elman模型进行验证和误差分析,结果表明该含水量模型可对鲜烟叶含水量进行预测,预测精度大于90%,预测结果达到预期目标,在此基础上进行了含水量检测系统软件的开发。

基于遗传算法的Elman神经网络模型在大坝位移预测中的应用

针对大坝位移预测问题的复杂性、时变性和传统预测模型的不足,结合遗传算法(GA)的全局随机搜索能力和Elman神经网络的非线性映射、动态反馈信息和记忆功能的特点,建立了GA-Elman神经网络模型。与Elman神经网络模型相比,GA-Elman神经网络模型在预测大坝变形时具有全局收敛的特点,可以克服Elman神经网络容易陷入局部极小的缺陷。将该模型用于预测某水电站大坝实测变形数据,表明GA-Elman神经网络模型的预测精度高,在大坝位移预测中具备实用性。

采用模拟退火算法的Elman网络及在热工过程建模中的应用

文中采用了模拟退火算法对Elman网络的前馈和反馈权值进行优化,避免了其陷入局部最小值,在网络的训练过程中无需人为的反复调整反馈权植,并将其应用于建立热工过程的非线性模型。仿真研究表明,无需复杂的网络结构,采用SA算法的Elman网络模型能够很好的适配热工过程对象,并有较好的泛化能力。

基于非等间距灰色模型和Elman神经网络的轨道质量预测

轨道质量是影响行车安全的关键因素,合理预测轨道质量可以有效指导铁路工务部门进行轨道养护和维修.轨道质量指数(Track Quality Index,TQI)是综合评价单一区间段内轨道质量的参数.本文通过深入研究TQI的发展趋势,提出一种将非等间距灰色模型和遗传算法优化Elman神经网络相结合的预测方法.首先利用优化后的非等间距灰色模型GM(1,1)得到原始TQI序列的大致发展趋势,然后为了描述轨道质量发展中各因素之间复杂的函数关系,利用遗传算法优化后的Elman神经网络对初步预测结果进行残差校正,从而得到更为准确的TQI预测序列.新方法将轨道质量发展趋势中的随机波动成分纳入方法考虑范围,充分挖掘了历史数据的发展规律.利用沪昆线上行实测TQI数据对本文方法进行验证,实验结果表明:新方法对轨道质量发展中的随机波动趋势拟合效果较好;对于轨道质量预测,在利用非等间距灰色模型进行初步预测基础上,使用Elman神经网络进行残差校正,由此得到的预测结果在均方根误差、相对系数、决定系数等多个统计指标上均优于其他方法.

基于Elman型回馈神经网络的流域降雨-径流动态过程建模的研究

本文将Elman回馈型神经网络与水文系统的特点相结合 ,建立了流域降雨 -径流动态模型。文中用较简单的方法解决了神经网络模型难以直接描述水文系统前期状态的难题 ,并以福建沙县流域的降雨 -径流过程为研究对象 ,通过完整的分析 ,表明Elman型神经网络与水文系统概念相结合的动态过程模型是一种能够保证较高的预报准确性的模型 ,同时又具有良好的适应性、健壮型和外延性 ,显示出良好的应用前景。

基于Elman网络的无人直升机航向的预测建模

为了实现无人直升机的自主飞行,需要首先建立起准确的动力学模型,文中设置了无人直升机的飞行试验平台,采集了大量试验数据。通过对数据的分析,抽取其中有效的数据对,提出了应用Elman网络来建立无人直升机的航向预测模型的方法,并同其它的分析方法进行了对比。最后运用实验仿真验证了方法的可行性和优越性。

Elman神经网络在地下水动态预测中的应用

详细介绍了Elman神经网络的基本结构和数学模型,同时以地下水动态预测为例,给出用Elman神经网络建立地下水动态预测模型的方法。模型检验结果表明,该模型拟合和预测精度均较高,可应用于地下水动态系统的建模,借此说明Elman网络在地下水动态预报中的可行性,并为Elman网络技术在水文水资源领域的动态模拟应用提供借鉴。

基于改进的Elman神经网络的股价预测模型

Elman神经网络是一种典型的回归神经网络,比前向神经网络具有更强的计算能力,具有适应时变特性的能力,因而非常适用于对股市这一类极其复杂的非线性动力学系统进行预测。文中以深市A股中的个股中集集团(股票代号:000039)的共180天的实际收盘价的时间序列作为预测对象,提出基于改进的Elman神经网络的个股价格预测模型,实验结果取得较高的预测精度、较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于个股价格的短期预测是可行和有效的。

基于EWT-PSO-Elman耦合模型在径流预测中的应用

由于径流序列的非线性和非平稳性,单一预测模型能力有限,难以做出准确预测。因此,基于澄碧河流域坝首站1979—2019年共41 a的实测月径流序列,引入经验小波变换分解(EWT)、粒子群算法(PSO),建立一种基于Elman神经网络的组合月径流预测模型(EWT-PSO-Elman),并采用纳什效率系数(NSE)、平均相对误差绝对值(MAPE)和均方根误差(RMSE)对测试集的预测结果进行评价与分析,并将预测结果与EWT-PSO-BP、PSO-Elman、PSO-BP、Elman、BP模型进行比较。结果表明:EWT-PSO-Elman模型的纳什效率系数为0.913 5,均方根误差为19.451 1,预报等级为甲级,具有较好的预测精度和泛化能力;EWT-PSO-Elman模型的预测精度优于EWT-PSO-BP、PSO-Elman、PSO-BP、Elman、BP模型。可见,EWT-PSO-Elman模型具有更好的预测精度,可应用于径流预测研究中。

基于改进Elman神经网络的网络流量预测

针对网络系统非线性、多变量、时变性等特点,提出一种改进的Elman神经网络模型。在该模型的训练过程中引入了季节周期性学习方法,并对某高校主干网络出口流量进行实验检测。实验结果表明,该模型具有良好的预测效果,相对于传统线性模型、BP神经网络模型及标准Elman神经网络模型具有更高的预测精度和更好的自适应性。最后,通过自适应边界值方法进行检测,能够及时发现异常流量行为,说明该模型应用于网络流量预测是可行、有效的。

基于分数阶灰色Elman组合模型的中长期负荷预测

针对电力系统中长期负荷预测样本少、间隔时间长、影响因素多等问题,提出基于分数阶灰色Elman的组合预测模型,首先针对负荷预测样本少、增长趋势明显的特点,利用分数阶灰色模型弱化原始序列的随机性,降低解的扰动界,其次利用Elman神经网络模型适应性与学习能力强的特点来解决负荷的非线性及影响因素复杂的问题,然后根据最优模型赋予二者最优权值,得到最终的组合模型,最后采用傅里叶级数残差校正模型修正组合模型的误差。仿真结果表明,本文提出的方法可有效拟合负荷的变化趋势,提升负荷预测的准确度。

基于Elman神经网络模型的短期电力负荷预测模型

在国家经济发展的过程中,电力行业是不可或缺的支柱,并且与国家的安全稳定、人民的安居乐业息息相关。为了提高电力负荷预测系统的预测精度,这次研究结合电力系统的动态特性,将动态型Elman神经网络算法应用于短期电力负荷预测模型的研究,从激励函数、学习规则两个角度进行了算法优化,并与目前研究较多的BP神经网络算法进行了MATLAB仿真实验对比。研究结果显示,在短期电力负荷的预测上,BP神经网络和优化后的Elman神经网络平均预测精度分别是97.75%和98.74%,优化后的Elman神经网络模型预测效果明显更优。Elman神经网络算法的优化思路,可以为电力负荷预测系统的研究提供一些参考和数据支撑,并能在实际应用中为提高电力负荷预测精度提供一些帮助。

木材干燥过程的Elman神经网络模型研究

[目的]研究木材干燥过程的Elman神经网络模型。[方法]在人工神经网络理论的基础上,选用Elman神经网络建立木材干燥过程模型。针对木材干燥过程的特点,Elman神经网络利用木材干燥过程材堆的温度、湿度以及对应的木材含水率建立模型。[结果]通过实际干燥过程数据对模型的准确度进行验证,结果表明Elman神经网络利用少量数据就可以建立模型,并且模型预测精度高,对数据的联想记忆和优化能力强。[结论]Elman神经网络建立的木材干燥过程模型准确,对于提高木材干燥过程的控制水平具有重要研究意义。

基于Elman神经网络的超超临界机组汽水分离器应力在线软测量模型

根据超超临界锅炉汽水分离器的结构特点建立了三维有限元模型,以某1 000MW机组为例模拟了其启动过程的总应力场.将有限元法和神经网络法相结合,以有限元计算结果作为训练样本,以介质压力和筒体壁温序列为辅助变量,建立了基于Elman神经网络的分离器应力动态软测量模型,通过模型的训练,确定了准确的应力预测模型结构.应用电厂实际运行监测数据对所建立的Elman网络软测量模型进行验证,结果表明:模型计算结果可很好地逼近有限元结果,预测精度高,实时性好,可为锅炉寿命的在线监测提供数据支持.