基于GRA-SSA-Elman的隧道施工瓦斯安全性预测评价

为准确预测隧道施工瓦斯灾害,有效评估瓦斯安全,建立基于灰色关联分析(grey relational analysis,GRA)与麻雀搜索算法(sparrow search algorithm,SSA)优化Elmen神经网络的隧道施工瓦斯安全性预测评价模型。首先从水文地质条件、隧道设计、煤层结构状况及施工管理四个方面考虑,遴选12个主要影响因素,采用GRA法量化分析选取的影响因素与评价对象间的关联性;然后引入SSA优化Elman模型中的初始权值和阈值建立模型,采用留一交叉验证法验证模型性能;最后为进一步验证模型性能,对选取的实例瓦斯隧道待测样本进行瓦斯灾害预测评价,同时与PSO-Elman、Elman、Fisher判别分析(fisher discriminant analysis,FDA)模型预测结果与现场实际结果对比分析。结果表明:SSA-Elman预测结果与实际工程结果一致性更高,优化后的模型精确度和稳定性更好,可操作性强,对隧道施工瓦斯安全性评估具有良好的适用性。

基于滑坡监测数据的Elman神经网络动态预测

滑坡在我国是一种极为频发的地质灾害,且其积累位移监测曲线有着复杂的非线性特性,对此各研究者建立过许多预测模型,然而这些模型的预测精度不尽如人意。基于Elman神经网络可以任意精度逼近任意非线性函数的特征,并以sigmoid为方程的核函数,在选择隐含层数时用了试用法,通过"3δ"法及归一化工程实例滑坡累积位移数据,建立了Elman神经网络动态预测模型。基于该模型对多个监测点数据进行动态预测,结果表明该模型的预测结果与实测数据的吻合度较高,且平均误差为1.78%,预测精度较高,验证了Elman神经网络能够在预测滑坡灾害中发挥一定作用。

大豆期货合约均值回归套利策略和Elman神经网络套利策略对比研究

国内压榨市场大豆主要来源于国外进口,并且国内压榨市场缺乏对大豆价格制定的主导权,故可通过大豆及其压榨品豆粕、豆油进行跨商品套利。综合运用协整检验、误差修正模型(ECM)研究大豆、豆粕、豆油三者价格之间长期存在的相互关系,同时通过设置不同开平仓阀值,对比均值回归模型套利策略和Elman神经网络模型套利策略,实证结果表明:我国大豆期货及豆粕和豆油期货三者进行跨商品套利可行,能够获得正向的套利收益率;在不同的开平仓阀值下,Elman神经网络模型较均值回归模型能够得到更好的套利结果。

基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究

群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试。Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测。以腾格里沙漠东缘荒漠为试验区,以啮齿动物数量为研究对象,采用标志重捕法,逐月监测2006─2014年每年的4─10月捕获量,建立Elman神经网络预测模型,利用2006─2013年的捕获量建立训练网络,以2014年的数据进行验证与测试,比较3种数据处理方法建立预测模型后的平均误差和拟合度,确立最优模型,预测阿拉善荒漠啮齿动物组成物种数量动态。结果表明:(1)未经归一化处理预测结果的平均误差mse为5.30,最小误差1.52%,拟合度为0.80;(2)经[0,1]归一化处理的预测结果平均误差mse为4.51,最小误差1.54%,拟合度为0.82;(3)经[-1,1]归一化处理预测结果的平均误差mse为5.03,最小误差1.63%,拟合度为0.69;(4)3种归一化处理后Elman神经网络模型差异不显著。通过平均误差和拟合度的比较,文章认为采用[0,1]归一化建立的Elman神经网络能较好的预测荒漠啮齿动物数量的变化规律,应用该网络可以预测阿拉善荒漠啮齿动物组成物种数量变化趋势,对指导当地鼠情监控和防治具有重要意义。

基于GA-Elman神经网络的短期风电功率预测

风电功率预测研究已经成为风能安全保障中十分重要的一部分,然而,由于风速信号是非平稳的,所以要实现高精度的预测是很困难的。针对风电功率短期预测,采用遗传算法对神经网络的阈值、权值进行优化,提出将遗传算法优化的Elman神经网络混合预测模型应用于酒泉风电基地某风电场短期风电功率预测。以酒泉风电基地某风电场风速、温度和风电功率的历史数据为样本,通过仿真验证表明,该混合预测模型与传统的BP、Elman神经网络模型相比,在进行短期风电功率预测时精度更高,在实际风电功率预测中更具备实用性。

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。

Elman网络在某型自动驾驶仪飞控盒多故障诊断中的仿真研究

目前采用传统故障诊断方法对复杂系统进行故障诊断时,还存在许多缺点,尤其在多故障同时发生的情况下,传统故障诊断方法难以准确定位故障点。为此,基于Elman神经网络,结合故障字典法,设计了一种基于Elman网络的综合故障诊断方法。为验证该方法的准确性,以某型飞机自动驾驶仪飞控盒的几种主要故障为诊断源,仿真研究了所设计的综合故障诊断方法。仿真结果表明,与传统故障诊断方法相比,所设计的基于Elman网络的综合故障诊断方法在进行多故障诊断中对故障的准确定位是有效的和快速的。

基于邻域粗糙集和灰狼算法优化Elman的民航发动机滑油量预测

实时预测民航发动机滑油量对保障飞行安全具有重要意义。针对滑油量受发动机多个工作状态的多个参数影响,具有影响参数多,提取方法不确定等问题,提出了一种基于邻域粗糙集(neighborhood rough set,NRS)和灰狼优化(grey wolf optimizer,GWO)-Elman相结合的方法预测滑油量。首先通过邻域粗糙集提取对滑油量重要度高的发动机工作阶段,将提取后的工作阶段有关参数作为特征向量输入到灰狼优化-Elman的网络模型中,灰狼算法通过计算和比较个体的适应度来优化Elman网络中的权值和阈值,保证Elman网络中的权值和阈值达到全局最优。预测结果表明,精度达到98.44%,满足工程应用的精度要求。研究结果为及时监测民航发动机滑油系统的健康状况提供理论依据。

基于大数据的水电站运维远程智能监控系统构建与应用

为解决偏远山区水电站运行维护难的问题,基于大数据、云服务、传感器和人工智能技术,设计开发了一套水电站运维远程智能监控系统,系统通过传感器对现场设备进行监测,然后通过局部均值分析法(LMD)对现场采集到的复杂振动信号进行分解处理,最后利用Elman神经网络的故障诊断专家系统进行故障诊断,可实现远程监测、控制和故障诊断等功能;系统在设计的100人并发用户下,CPU占有率仅为11.7%,每月消耗网络流量395.8GB<1000GB(设计网络流量),平均每一次响应时间仅为3.3ms;系统大大降低了运维人员的工作强度,提高了故障诊断效率,降低了运维成本,在实际工程中取得了较好的应用效果。

考虑信号统计特征的神经网络室内测距方法

针对现有神经网络测距方法易陷入局部极值而降低测距精度的问题,提出一种考虑信号统计特征的神经网络蓝牙室内测距方法:提出一种反馈-卡尔曼混合滤波算法进行数据预处理;并分析接收信号的传播特性,引入信号统计特征参数作为输入信号,构建改进麻雀搜索算法优化的埃尔曼(Elman)神经网络(ISSA-Elman)测距模型。实验结果表明,该测距方法能够有效提高测距精度,平均测距误差约为15 cm。

基于Elman神经网络模型的西河水库水质评价

湔江流域的西河水库是四川省彭州市的主要灌溉和饮用水源,该流域非点源污染已严重影响了彭州市的饮用水安全。为正确地掌握西河水库污染物来源,合理评价西河水库水质及水环境质量对保障彭州市居民饮水安全、维护彭州市社会稳定有着重要意义。采用Elman神经网络模型对西河水库进行水质与水环境质量评价。结果表明:①西河水库水质呈现由库尾到坝前递减的趋势,说明西河水库的水质自净能力明显。②西河水库2014~2017年大部分断面的水质等级均有所提高,其中断面1-1(主坝右坝肩)的水质最好,是西河水库理想的取水口位置。③西河水库在水文年内呈现枯水期水质好、丰水期水质差的规律,其中4~9月的水质普遍较差,这也说明水库上游来水携带的污染物是西河水库水环境恶化的主因。④构建的Elman模型适用性较高,可以满足西河水库水质等级评价。该模型计算时间耗费不到10 s,运算效率远高于传统的灰色聚类法,具有一定的参考意义。

基于Elman神经网络的空战威胁排序研究

依据空战态势、空战效能以及目标战役价值,采用威胁指数法建立了空战目标威胁评估模型。在威胁评估的基础上,研究了空战中基于Elman神经网络的目标威胁排序方法。考虑到Elman神经网络的学习性能和收敛性,采用附加动量项、自适应改变各参数学习率以及重置算法改进网络权值的学习算法。算例结果表明,采用Elman神经网络对空战目标进行威胁排序的方法是有效的,且改进的学习算法提高了网络的学习效率,有效地抑制了局部极小值的出现。该方法有利于提高火控系统的智能化水平。

裂纹反演分析的NMM-Elman神经网络协同方法

裂纹识别是结构健康监测的重要内容。本研究基于反演分析原理,将数值流形方法(NMM)与Elman神经网络相结合开展裂纹识别。NMM用于获取对应裂纹构型下测点的位移数据以供Elman神经网络的学习,在此基础上利用训练好的Elman网络进行了直线裂纹反演。通过2个典型算例证实了NMM-Elman协同方法的可行性和精度,与此同时分析了测点布置方式及输入数据噪声等因素对裂纹反演精度的影响。表明本研究的方法能够准确反演出单一及复杂裂纹的裂尖坐标。本研究的工作为复杂裂纹的高效准确识别提供了一种新的思路和方法。

基于GWO-Elman神经网络的底板突水预测

我国是世界最大的煤炭生产国和消费国,特别是在我国的华北地区,煤炭储量非常丰富,但由于华北地区的水文地质条件复杂,煤炭实际生产过程中事故频发,特别是煤层底板突水事故,一旦发生往往会造成较为严重的人员伤亡和财产损失。因此煤层底板突水预测已经成为煤矿安全生产领域研究的重点。山东巨野煤田红旗煤矿是典型的华北型煤田,其主要可采煤层3煤层平均厚度5.48 m,实际生产过程中受底板突水威胁严重,在矿井的建设及生产过程中多次出现底板突水。为了对3煤层进行底板突水预测,在分析收集红旗煤矿相关矿井水文地质资料的基础上,选取断裂分维值、取心率、隔水层厚度、单位涌水量、渗透系数、底板含水层总厚度、承压含水层水压共7个因素,作为进行底板突水预测的主要影响因素;以现场实际数据为输入样本,通过灰狼优化算法(Grey Wolf Optimizer,GWO)得到Elman神经网络优化的最佳权重和阈值,分别为18.7482和0.014435,之后建立相应的GWO-Elman神经网络底板突水预测模型;在此基础上通过测试样本输入模型验证,结果准确率达到100%,再用熵值法确定权重的脆弱性指数法进行对比,证明神经网络模型准确度更高,可以用于工程实际。最后,利用所建立的神经网络模型对2个未开采工作面进行了底板突水预测,将预测结果指导矿井实际安全生产。

基于相似日和Elman神经网络的逐时太阳总辐射预测

采用Elman神经网络模型预估海口逐时太阳总辐射,并针对神经网络算法上存在泛化能力弱,提高训练精度困难,训练时间长等问题,将灰色关联分析法引入太阳总辐射预测模型旨在构建拟合精度优的模型.利用2009~2019年海口气象站逐时太阳总辐射曝辐量数据以及影响总辐射的气压、气温、相对湿度、降水量和日照等气象数据,分别构建基于Elman神经网络和基于相似日的Elman神经网络逐时太阳总辐射预测模型,其中2009~2018年为测试样本集,2019年数据作为检验数据集,并利用空间插值方法研究琼北地区辐射时空分布特征.结果表明,经过相似日筛选的辐射预测模型与观测值相关系数达0.97,平均相对误差在±0.5 MJ·m-2范围内,模型预测精度优于Elman神经网络算法;琼北总辐射整体空间分布均匀,具体呈现南多北少特征;时间分布上总辐射呈现冬季低夏季高,春秋季居中的特征.

基于改进ELman神经网络的台风风暴潮损失测度

针对传统神经网络对台风风暴潮灾害的损失测度易陷入局部极值和预测准确度低的问题,本文基于广东省1995—2020年的50组台风风暴潮灾害数据建立损失评估指标体系,使用熵权法客观赋权灰色关联分析进行损失评估指标的筛选,提出天牛须搜索(BAS)算法优化ELman神经网络模型来预测受灾人口、直接经济损失、海水养殖受灾面积、海岸工程损毁4种灾情评估指标。与多种算法模型进行了比较分析,结果表明该模型具有预测精度高且有效避免网络陷入局部极值的优点,对台风风暴潮损失测度具有一定的实用价值和普适性。

基于熵权法和Elman神经网络相结合的储能系统SOC估计

电池荷电状态(State of Charge,SOC),也称电池剩余电量,是表征电池特性的关键参数。该文提出基于熵权法(Entropy Weight Method,EWM)和Elman神经网络相结合的储能系统SOC状态估计方法。针对神经网络输入参数选择通常依靠经验的问题,使用熵权法计算储能系统运转参数的权重并排序,形成待评价特征集。通过Elman神经网络对不同输入特征参数进行仿真测试,挑选功效最优的一组特征集作为Elman神经网络的输入,使用思维进化算法(Mind Evolutionary Algorithm,MEA)优化Elman神经网络初始权值和阈值,建立了基于EWM-MEA-Elman神经网络的储能系统SOC状态估计模型。经全钒液流电池充放电实测数据仿真数据表明,正确选择输入特征集可以有效提高预测精度和训练速度。该仿真结果验证了本文神经网络模型的效果和准确性,为储能系统的应用提供了优秀的理论支持。

Elman神经网络在水电站入库流量短期预测中的应用

Elman神经网络具有适应时变特性的能力,对历史数据具有敏感性,具备自主学习的优势,能以任意精度逼近任意非线性映射。梯度下降法可使函数具有单调递减性、梯度收敛于0等特点。采用梯度下降法和Elman神经网络相结合的方法进行水电站入库流量短期预测,比传统的Back Propagation神经网络预测精度具有明显的优势。

基于改进的ELMAN网络的舰船航态建模与预测

讨论了具有自适应功能的基于改进Elman网络的动态系统辨识建模与预测方法,并依据特定海情下实测的舰船航态数据,利用该法训练舰船航态的预测模型。该法对具有时变特性的非线性系统的建模与预测有一定的自适应能力。仿真结果表明,按该法进行建模与预测,具有动态性好、逼近速度快,精度高等特点,并且自适应性与抗噪性有较大改善,说明改进的Elman网络是一种新颖、可靠的负荷预测方法。

基于Elman神经网络的固相质量流量测量

在煤粉的输送过程中,采用双弯管法测量固相质量流量的相关系数时受到外部复杂因素的干扰,存在着很多非线性的环节。Elman神经网络对系统存在的非线性环节具有优势,通过建立的3层Elman神经网络模型,训练得出了与真实值吻合度高的估算值,最大相对误差不超过2%,为煤粉气力输送过程中测量煤粉颗粒的质量流量提供有效的方法。