基于灰色径向基函数网络的区域物流能力组合预测

区域物流能力对区域经济的增长有着强劲的推动作用,为准确地预测区域物流能力大小及其变化趋势,将灰色系统理论中的GM预测模型与径向基函数神经网络有效地结合起来,综合了灰色系统贫乏数据建模的优点和神经网络特有的高度非线性映射能力,构建了基于灰色径向基函数网络的非线性组合预测模型。然后,以四川省1997-2005年的物流能力量化值为基础,对2006-2008年的四川省物流能力值进行了短期预测,并分析了预测结果的合理性。研究表明,该组合模型优于任何单一灰色预测模型,能很好地反映区域物流能力的变化规律,在小样本、贫信息的条件下,仍然能得到合理精准的预测结果,具有实用性。

RBF网络在小电流接地系统故障选线中的应用

如何准确实现故障选线是小电流接地系统长期存在的难题,现有的选线方法和装置,都存在着许多不足。针对这种情况,以理想的建模为背景,以提高小电流接地系统的故障选线准确率为目的,提出了基于RBF神经网络的故障选线方法。RBF神经网络是一种局部逼近的神经网络,选取高斯基函数作为RBF基函数。文中在理想情况下建立一个模型,选取各条线路的零序电流、零序有功和零序无功作为输入的特征电气量,保证了故障线路特征选取的一般性;然后利用RBF神经网络强大的自适应、自学习能力,对电气特征量进行训练,保证了其快速的收敛性以及选线的准确性。文中的仿真结果表明,利用训练好的RBF神经网络可以实现故障选线,不但准确而且可靠,具有一定的可行性。

基于信息融合的高压电气设备温变故障诊断方法研究

针对高压电气设备的高电压、封闭性和监测环境恶劣等特点,采用拉曼光纤传感器对其进行温度监测。根据故障特征量将故障进行分类处理,并利用多个并联的RBF神经网络进行高压电气设备故障的局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各个证据进行融合,最终实现对高压电气设备故障的准确诊断。通过实验证明:采用该诊断系统可有效提高诊断的可信度,减少诊断的不确定性。

基于NLPCA-RBF神经网络的番茄蒸散量预测

蒸散量(ET)是水文循环中的重要组成部分。精确的ET预测在水资源管理和灌溉系统设计等方面的研究是十分必要的。利用非线性主成分分析法(NLPCA)和径向基(RBF)神经网络组成的模型(NLPCA-RBF)对番茄蒸散量进行估算。在既保证ET影响因素信息完整,又可消除影响因素之间相关性的前提下,利用NLPCA将影响ET的7个气象因素简化为3个综合成分,并以此为网络训练的输入数据,根据实测的蒸散量作为网络输出建立了RBF神经网络,并且经非训练样本点数据检验。结果表明,与传统RBF网络模型较,NLPCA-RBF网络预测模型能够更好的反应影响因子与蒸散量之间的关系,取得更为精确的结果。

基于RBF神经网络的中国CPI预测研究

文章将RBF神经网络模型引入到CPI预测领域,运用2001年1月至2010年4月间的国家统计局数据,通过Markway4.0建立CPI预测的数据网络模型。计算结果证明,RBF数据网络模型应用于CPI预测具有较高的精度和良好的泛化能力。

径向基神经网络在股市预测中的应用

将 RBF神经网络应用于股市的预测中 ,以上证指数和海虹控股为对象进行建模和预测 ,仿真实验表明 ,该 RBF网络具有较好的学习和推广能力 。

一种新型交流伺服控制系统试验研究

介绍一种基于FPGA的嵌入式处理器NiosII软核的永磁同步电动机交流伺服系统。针对伺服驱动系统高速度、高精度的要求,传统控制方法很难对其实施有效控制。介绍一种自适应控制策略。控制器利用径向基神经网络(RBFNN)调节,实现了系统的自适应控制。RBFNN的结构和初始参数通过混合递阶遗传算法离线训练获得。实验结果证明,控制系统具有较高的控制精度和较好的稳定性。

一种小电流接地系统故障选线方法

针对小电流接地系统故障选线方法难以适用于不同接地方式的问题,提出了一种基于粒子群优化RBF神经网络的小电流接地系统故障选线方法。该方法利用粒子群优化算法来优化RBF神经网络,将RBF神经网络要确定的参数作为粒子群优化算法的粒子。仿真结果表明,该方法收敛效率高、误差平方和小、选线准确率高、灵敏度高,具有一定的可行性。

城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。

陀螺稳定平台神经网络滑模变结构控制

主要针对陀螺稳定平台的单轴控制系统的快速性和鲁棒性进行研究。采用滑模变结构与神经网络结合的方法对陀螺稳定平台进行控制。由于传统滑模变结构方法的模型估计不准确,会导致抖振问题。提出了采用RBF神经网络逼近模型未知部分的神经网络滑模变结构控制方法。实验证明,采用该方法可以有效提高系统的快速性和鲁棒性。针对陀螺稳定平台单轴控制系统,该方法对角位置跟踪的时间为0.3 s,角速度跟踪时间为0.6 s。其中,角位置跟踪的最大误差为0.007 3,且在1 s时,误差收敛到零的一个邻域内。

基于径向基神经网络的风电场无功补偿优化算法

针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。