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Elman型神经网络的空调负荷预测模型

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系 ,且这种关系具有动态性 ,因而传统方法的预测精度不高。而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点 ,建立了基于Elman型神经网络的空调负荷预测模型 ,并进行了实例预测。文中还比较了Elman网络和BP网络结构的建模效果 ,仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点 ,说明Elman网络是一种新颖、可靠的负荷预测方法。

Elman神经网络与ARIMA模型对流感发病率预测效果的比较

目的:比较Elman神经网络模型与自回归移动平均(ARIMA)模型对流感发病率预测的效果。方法:选取河南省2006年1月至2010年12月的流感疫情资料作为训练集,2011年1月至12月的流感疫情资料作为检验集,前者用于Elman神经网络模型和最优ARIMA模型的建立,后者用于两种模型的预测效能的检验与评价。结果:在最优ARIMA(1,0,0)模型和最优Elman神经网络预测模型下,检验集预测值的平均误差绝对值、平均误差绝对率和非线性相关系数分别为0.133、0.238、0.708和0.152、0.271、0.725。结论:Elman神经网络模型具有与ARIMA模型相近的预测效能,在流感发病率预测中有较好的应用价值。

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。

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神经网络的甘肃电网负荷预测模型

为提高甘肃电网负荷预测精度,提出了一种基于神经网络的负荷预测方法。针对甘肃电力系统负荷数据的非线性和动态特性,在多层前向BP网络中引入特殊关联层,形成有“记忆”能力的Elman神经网络,从而可以映射系统的非线性和动态特性。在网络训练算法中,采用自适应学习速率动量梯度下降反向传播算法,显著提高了网络的训练速率,有效地抑制了网络陷入局部极小点。文中分别采用El-man神经网络与BP神经网络建立模型,对甘肃电网实际历史数据进行仿真预测,经分析比较,证明前者具有收敛速度快、预测精度高的特点。这表明利用Elman回归神经网络建模对甘肃电网负荷进行预测是可行的,能有效提高负荷预测精度,在负荷预测领域有着较好的应用前景。

基于Elman型神经网络的金川二矿地表岩移时序预测模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。

基于BP和Elman神经网络的福建省汛期旱涝预测模型

建立了福建汛期旱涝BP和Elman神经网络预测模型,并对两种模型的性能和差异进行了比较,结果表明:动量BP网络模型,特别是具有局部反馈特性的Elman网络模型具有较好的拟合精度和预报效果。此外两种模型对旱涝等级为2和4的预测偏差较大,而对旱涝等级为3的预测较为准确。

基于Elman神经网络的面板堆石坝沉降预测模型

分析了某面板堆石坝运行初期坝体的监测资料,选择水压分量与时效分量为影响因子构建逐步回归分析模型,应用反馈神经网络理论建立Elman神经网络模型,并与逐步回归模型预测精度做了对比分析。结果表明,Elman神经网络模型预测精度高、可靠,有助于分析大坝的安全性态。

基于人工蜂群算法与Elman神经网络的大坝变形监控模型

针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-Elman(人工蜂群算法与Elman神经网络)模型预测的相对误差和标准差分别为1.98%和0.063。从各影响因子对大坝变形的贡献上看,水压分量占27.9%,温度分量占62.3%,时效分量占9.8%。ABC-Elman模型在建模效率、预测精度等方面均有一定的优势,较适合于大坝变形的建模分析,并可推广于大坝渗流、应力等监控模型中。

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.

Elman神经网络改进模型在脑膜炎诊断中的应用

为了客观地反映脑脊液(Cerebrospinal Fluid,CSF)所蕴涵的病理信息,研究CSF多变量非线性诊断指标和脑膜炎分类标准的内在联系,提出一种Elman神经网络改进模型辅助诊断脑膜炎疾病的方法。构建2层Elman神经网络改进模型网络训练和仿真的实验结构,分别把85和51例临床病例确诊数据作为训练样本和仿真数据的输入。仿真结果显示,采用Elman神经网络的改进模型应用于脑膜炎疾病的辅助诊断可以达到均方误差10-2精度。Elman神经网络改进模型针对CSF复杂数据关系辅助诊断脑膜炎疾病的智能计算是可行的。

基于Elman神经网络的液压泵故障诊断模型研究

针对传统BP网路进行液压泵故障诊断时 ,网络学习具有收敛速度慢和学习、记忆不稳定的缺陷 ,提出了将El man神经网络应用于液压泵故障诊断的新方法 ,建立了Elman神经网络的应用结构模型 ,介绍了该网络的训练算法 ,阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快 ,学习记忆稳定 ,具有很好的学习功能 ;测试结果表明该诊断方法具有高可靠性 ,达到了预期的效果 ,可以用于液压泵故障诊断。

基于Elman神经网络的电力负荷预测模型研究

为提高电力负荷预测精度,文章采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。

科技型企业高管团队决策绩效评价的ELMAN神经网络模型研究

针对缺乏科技型企业高管团队决策绩效评价的研究现状,构建评价指标体系,通过问卷调查的方法收集研究数据,建立科技型企业高管团队决策绩效评价的ELMAN神经网络模型,并利用MATLAB软件计算实现。研究结果表明:利用ELMAN神经网络的非确定性因果关系映射特点建立的决策绩效评价模型,能够完成决策绩效评价任务,可用于评价科技型企业高管团队的决策绩效,不仅验证了方法的有效性,而且也证明了ELMAN神经网络在建立非线性、非确定性因果关系映射模型中的强大生命力。

基于改进的Elman神经网络的网络舆情预警模型

在深入分析影响网络舆情发展变化的各种因素的基础上,建立了三层网络舆情指标体系。针对表征舆情事件样本数据的非线性动态变化等特点,提出一种改进的Elman神经网络模型。该模型以量化的网络舆情指标为网络输入,以网络舆情预警等级为输出。实验结果表明,该模型在一定程度上降低了预测问题的复杂度,同时又在一定程度上提高了预警精度,为科学分析网络舆情预警机制提供一种解决问题的思路。

基于Elman神经网络的无线传感器网络测距模型

以无线传感器网络为研究对象,在无线传感器网络覆盖范围内的不同距离内采集信号强度值,利用Elman神经网络建立信号强度值与距离之间的映射关系,将采集到的信号强度作为模型的输入进行训练,利用训练好的网络模型进行测距,结果表明具有良好的网络测距性能。

基于Elman神经网络的图书馆电子资源借阅服务评价模型构建

构建了基于Elman神经网络的图书馆电子资源借阅服务评价模型,并以牡丹江医学院图书馆问卷调查数据为依据,对模型进行训练,验证了这种评价模型的科学性。

基于Elman神经网络的激光陀螺输出误差模型研究

惯性器件误差补偿技术对提高捷联惯导系统的导航精度具有十分重要的意义,而误差补偿的关键在于误差模型的辨识。探讨了将Elman神经网络应用于惯性器件误差建模中,详细介绍了Elman网络和其对应的学习算法。仿真结果证明了该方法的可行性,并且,该方法具有网络收敛速度快、跟踪性能好、稳定性好等优点。

基于Kalman滤波相空间重构的Elman神经网络短期风速组合预测模型

为了合理利用风电,提高电网的稳定性、经济性,需要对风电的输出功率进行有效预测;然而,单一模型的预测结果精度不高。提出一种基于Kalman滤波相空间重构的Elman神经网络短期风速组合预测模型。该模型采用Kalman滤波算法对风速进行滤波处理,通过相空间重构来确定风速序列的延时时间和嵌入维数;并利用Elman神经网络建立了预测模型。仿真实验表明,该模型预测精度有了明显提高。