基于双输入输出卷积神经网络代理模型的油藏自动历史拟合研究

传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确定性参数作为深度学习代理模型的输入参数。现有的深度学习代理模型常为单一输入输出的神经网络模型架构,并未考虑油藏自动历史拟合方法需要对多个油藏不确定性参数进行调整,且需要训练多个深度学习代理模型以实现对油藏含水饱和度场分布及压力场分布的预测。为此,提出了一种基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法,将油藏渗透率场分布及相对渗透率参数作为输入,使用双输入输出卷积神经网络同时对油藏含水饱和度场分布及压力场分布进行预测,利用Peaceman方程计算产量,并耦合到多重数据同化集合平滑器(ES-MDA)方法中,对油藏渗透率场分布及相对渗透率参数进行反演更新,实现较为高效的油藏自动历史拟合求解。研究结果表明:双输入输出卷积神经网络代理模型在指定时间步的油藏含水饱和度场分布、压力场分布的预测精度均为93%以上。相较于传统油藏自动历史拟合方法,基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法避免了多次调用油藏数值模拟器的计算耗时问题,提高了拟合效率。

基于GA优化BP神经网络算法的10kV主动配电网优化调度研究

由于主动配电网负荷和实际出力具有波动性,导致主动配电网运行成本控制难度较大,为此,提出基于GA优化BP神经网络算法的10kV主动配电网优化调度研究。在考虑柔性负荷需求的因素以及实际输出波动性的基础上,记住波动系数来描述发电机和柔性负荷的实际输出与计划输出之间的偏差,将最小化运行成本作为最终的目标函数,设置遗传粒子作为BP神经网络的输入参数,适应值最高的结果作为调度方案。在测试结果中,测试周期内配电网的运行成本不仅始终表现出较高的稳定性,且具体水平始终稳定在0.6万元以下。

基于神经网络的并联机床位姿误差分析与补偿研究

为了解决并联机床位姿误差补偿这一难题,以六自由度并联机床为研究对象,基于并联机床的运动学逆解建立了位姿误差模型,得到了并联机床驱动杆杆长误差和铰链点位置误差与并联机床动平台位姿误差的关系。铰链点位置误差可以通过调整杆长来弥补,由于驱动杆杆长误差难以测量,所以基于BP神经网络设计了一种改进的修正系统输入法对并联机床动平台的位姿误差进行补偿。仿真结果表明,经过补偿后的位姿误差明显小于补偿前的位姿误差,验证了并联机床位姿误差分析与补偿方法的可靠性。

基于GRU-CNN双网络输出构建BP模型的径流预测方法

提高径流预测精度是避免洪水灾害发生的重要手段,由于预测阶段并无已知有效样本,给预测工作带来难度,因此,提出以双网络输出为预测阶段提供数据参考,结合训练阶段双网络输出与真实值之间的关系,对预测阶段采用二次多变量建模实现径流预测。首先,构建GRU和CNN深度学习网络,同步输出2条径流预测序列;其次,在已知时段内,构建2条预测结果与实测值之间的多变量BP模型;最后,基于双网络输出预测值,通过确定的BP模型输出径流预测结果。经测试,该方法给预测时段提供了可靠的先验样本,高效学习了网络输出与真实值之间关系,预测精度显著提升。

基于BP神经网络优化算法的输变电工程造价预测模型

针对现有的输变电工程造价预测方法在复杂工况下精度低的问题,提出了一种基于BP神经网络优化算法的输变电工程造价预测模型.利用因子分析方法确定输变电工程造价数据预测的输入指标,并在传统BP神经网络模型的基础上,引入思维进化算法对BP神经网络中的权值和阈值进行优化.利用构建的预测模型预测某省级电网公司2016年度的输变电工程造价.结果表明,预测误差低于10%,平均误差低于5%.与传统的BP神经网络相比,所提预测模型具有更高的预测精度,可以较好地应用于输变电工程造价估算.

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的PID控制 ,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络PID解耦控制器 ,可以实现对多变量系统的解耦控制 ,仿真结果表明系统具有很好的动态及稳态性能 .

BP神经网络在模拟非线性系统输出中的应用

概述了非线性系统输出模拟的方法 ,对 BP神经网络及改进的 BP算法作了简要介绍 .以 BP神经网络运用于激光焊接过程中模拟焊缝形状的典型例子 ,探讨了 BP神经网络在非线性系统模拟输出中的可行性 ;通过实例分析及比较测试结果 ,对

汽轮机性能预测BP神经网络输入层神经元筛选方法

将灰色关联度分析方法应用于汽轮机性能预测BP神经网络输入层神经元的筛选。方法对样本数量、分布规律要求不高、量化结果与定性分析一致,有利于减少对技术人员经验的依赖,为汽轮机性能预测BP神经网络输入层神经元的筛选提供了科学依据。最后通过实例验证了所提出的方法的可行性。

多输入多输出非线性静态系统神经网络辨识的研究

本文通过对现有的系统辨识特点的分析，提出使用神经网络理论与方法对多输入多输出非线性静态系统进行辨识，并给出了一个实际系统使用具有自适应学习率反传算法辨识的有关结果。

多输出单元BP神经网络梯度算法的收敛性

梯度算法广泛应用于训练前馈神经网络.对于单输出前馈神经网络的梯度算法的收敛性已经有了详细的讨论.研究了带有多个输出单元的BP神经网络的梯度算法,证明了误差函数在梯度算法所生成的权向量序列上的单调递减性,并且证明了梯度算法的弱收敛性和强收敛性.

基于BP神经网络不同输入变量的爆破振速预测

以某隧道爆破开挖为实例,利用BP神经网络解决复杂非线性函数逼近问题的能力,以最大段药量、爆心距、爆破分段数、泊松比、岩石基本质量指标作为影响爆破振动速度的主要因素,选取不同维数的输入变量建立BP神经网络模型来预测爆破振动速度。对比分析各组预测值与实测值之间的相对误差,选取合理维数的输入变量建立了爆破振动危害预测的BP神经网络模型。

塑件质量的BP神经网络智能控制研究

设计了一个多输入多输出的BP神经网络程序,依据正交试验设计训练样本,实现了注射成型产品多质量目标的高精度预测;应用质量控制环和工艺控制环构建的注射成型自适应控制系统可实现对产品质量的自适应调整,提高了实际生产效率,降低了废品率。

运用BP算法神经网络拟合传感器的输出特性

首先介绍了 BP算法神经网络的基本原理 ,然后将 BP算法神经网络应用于拟合传感器的输出特性 ,并在 MATLAB下通过训练和仿真验证了应用

BP神经网络在注塑产品质量控制中的应用

设计了一个基于VisualC++平台的多输入多输出的BP神经网络程序,依据正交实验设计训练样本,实现了注射成型产品多质量指标的高精度预测,可实现对注塑产品质量的监控,提高了实际生产效率。

基于图神经网络的低复杂度无蜂窝大规模MIMO无线传输

波束成形是多天线无线通信网络研究中的基本问题之一。针对无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)多点联合发送中满足用户服务质量需求下的最大化系统和速率波束成形问题,利用网络历史数据,提出了基于图神经网络的波束成形智能优化算法,有效克服了传统优化算法在大规模多天线通信中计算效率低的缺点。仿真实验结果表明,所提算法的性能表现与传统优化算法接近,且具有更低的计算复杂度。

两类输入输出周期函数的离散神经网络的混沌

从理论上严格证明了以下结论:带有单峰与正反双向单峰周期输入输出函数的高阶瞬时混沌离散神经网络,在权阵W为非异常数矩阵,参数τ适当小,其它一些参数适当选取的条件下,该系统是Devaney意义下的混沌系统.所用的方法是反向可积极限方法与符号动力学方法的结合.

神经网络预测系统中的输入输出指标研究

建立了一个用一串ＢＰ网络组成的、用于地区主要经济指标预测的人工神经网络系统，给出了该模型在两个地区应用中得出的不同结果；在分析这两种预测结果的基础上讨论了预测模型中输入输出指标变化对预测结果的影响．说明在神经网络预测模型中，输入输出指标的选择起着不可忽视的作用．

基于不同输入层的BP人工神经网络径流模拟研究

为定量研究BP人工神经网络不同输入层对径流模拟的影响,以滨江流域8个雨量监测站长系列逐日降水径流资料为基础,对比分析原始降水、算术平均降水、复合前期径流降水、流域面积加权降水和复合径流面积加权降水作为输入层时,BP人工神经网络月径流量模拟的结果差异。研究表明:采用流域面积加权降水模拟的径流量,具有最优相关系数和确定性系数,以原始降水作为输入层所得结果相对误差最小,由算术平均降水模拟出的结果分布最集中,网络模拟效果稳定。复合输入层的模拟精度相对较高,但输入层并非越复杂越好,基于面积加权降水得出的模拟径流量综合评价最高。

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。

基于改进BP神经网络算法的岸电电源智能输出控制的研究

船舶岸电技术是指允许装有特殊设备的船舶在泊位期间接入码头陆地侧电网的技术。船舶靠港时直接接用港口码头陆上电源,可在很大程度上降低靠港船舶供电系统的运行和维护成本,并提高能源利用效率。对国内、外港口船舶岸电系统应用情况和岸电技术存在的问题进行分析,基于改进BP神经网络算法的内模控制器设计了一种船舶岸电电源智能输出控制系统,并分别通过轻载实验和重载实验对该智能输出控制系统的功能进行了验证,证明其能有效控制船舶岸电电源的输出。