证券市场实时分时神经网络预测系统研究

本文以沪深证券市场的实时分时数据为基础,应用神经网络技术对证券市场的八种经典分时形态进行了动态分割预处理和模式识别、预测,实验表明上述方法具有良好的稳定性和可靠性,并抗噪能力强且准确率较高。

基于改进小波神经网络的实时系统任务流量预测方法

针对当前航空装备实时系统对非周期实时任务无法预知难以实现可靠调度的困难,开展对航空装备实时系统非周期任务流量预测方法的研究。以小波神经网络为基础结合航空装备实时系统的特性建立任务流量预测模型,并提出利用人工鱼群算法对小波预测模型关键参数进行优化,避免陷入局部最优解,最终构建一种人工鱼群算法改进的小波神经网络任务流量预测系统。利用提出的预测模型开展实时任务流量预测对比仿真实验,实验结果表明,建立的基于改进小波神经网络的实时系统任务流量预测系统对非周期实时任务具有较高的预测精度,预测效果优于原始小波神经网络模型及T-S模糊神经网络模型。

基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法

针对实时电价对短期负荷的影响,建立了径向基(RBF)神经网络和自适应神经网络模糊系统(ANFIS)相结合的短期负荷预测模型。该模型利用RBF神经网络的非线性逼近能力对不考虑电价因素的预测日负荷进行了预测,并根据近期实时电价的变化,应用ANFIS系统对RBF神经网络的负荷预测结果进行修正,以使固定电价时代的预测方法在电价敏感环境下也能达到较好的预测精度,克服了神经网络在电力市场下进行负荷预测时存在的不足。某电网实际预测结果表明,该方法具有较好的预测效果。

基于B-P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法，但是已有的预测控制算法通常是针对线性渐进稳定对象的，或者即使针对非线性使用了非线性模型，但由于算法过于复杂不能适用于快速系统．本文对复杂非线性系统提出了一种基于Ｂ－Ｐ神经网络的预测控制方法，仿真和实际结果表明该方法的有效性和快速性，能够实现对非线性系统的实时智能优化控制．

基于动态神经网络的瓦斯浓度实时预测方法

针对矿井中瓦斯浓度变化的时变性、非线性等特点,提出了一种动态神经网络瓦斯浓度实时预测模型。该模型利用历史数据建立初步预测模型,通过实时采集的瓦斯浓度数据进行预测,并用新数据及时调整预测模型的学习参数和结构参数,使得预测模型能够根据瓦斯浓度的动力学特性及时更新。用矿井实测瓦斯浓度数据进行试验,结果表明该模型较其他静态预测模型的预测精度有明显的提高。

交通流量的递归神经网络实时预测模型研究

智能交通系统是目前世界上公认的解决城市交通拥堵问题的有效措施,实时、准确的交通流量预测是智能交通系统实现的关键技术之一。提出一种基于递归神经网络的交通流量实时预测模型,这种预测模型通过联系单元对神经网络的输出进行反馈,因而具备动态记忆能力,可以实现对交通流量的快速、准确预测。应用实例验证了所提出的递归神经网络预测模型的有效性。

轴对称件智能拉深系统中的神经网络参数识别

建立了轴对称拉深件的材料性能参数和摩擦系数实时识别前馈神经网络,采用LM算法优化网络,将参数识别精度提高到一个新水平,为智能化拉深成形的实时预测和实时控制这两个基本要素提供了前提保证,为实现整个拉深成形过程的智能化控制奠定基础。

基于人工神经网络的变风量空调控制系统

研究了变风量空调系统神经网络预测优化控制方法,优化指标考虑了舒适性和耗能量,舒适性指标取PMV指标,耗能量包括风机和冷水泵能耗。系统的控制量为送风风速和冷水流量,被控参数为空调区域的温湿度,采用预测滚动优化控制算法训练多层前向神经网络,然后将其作为优化反馈控制器来求解变风量暖通空调系统的优化解,并在运行中实时预测空调区域的负荷。仿真结果表明,采用此方法,在模型环境、负荷参数变化的情况下,既可以达到节能的要求,又可以使空调区域的温湿度保持在舒适范围内。

基于神经网络的空中交通管制决策支持系统

设计了一个实时的空中交通管制辅助决策支持系统。系统按照决策支持系统理论框架搭建,利用神经网络技术实现。叙述了系统的主要模型:空域流量预测模块,空域状态识别模块和冲突解决方案产生模块的实现过程。实验数据表明,神经网络的误差收敛性较好,满足了空中交通管制的实时性要求,系统具有较好的辅助决策效果。

人工神经网络在工业控制领域中的应用

将BP神经网络引入到对焊缝成形信息进行预测,并在此基础上设计逆向神经网络模型,通过控制焊接工艺参数,达到实现预期焊缝形状的目的。通过比较发现神经网络的预测精度较高,同时其反向控制系统可以对焊接工艺参数予以实时监控,实现预期控制目标。由此得出结论:神经网络在工业控制领域的应用范围广阔,前景可观。

火电厂实时监控系统测量数据预测的研究进展

分类介绍近年来国内外各种数据预测方法,重点论述各种人工神经元网络的数据预测应用情况,包括BP神经网络、Fuzzy神经网络、径向基神经网络(RBF)、自联想神经网络(AANN)、基于神经网络的偏最小二乘法(NNPLS)以及组合预测方法。针对火电厂测量数据的特点及实时监控系统的要求,可以考虑将NNPLS法运用在实时数据预测方面,利用其应用简单、收敛迅速、估计值对噪声和坏点敏感度低等优点提高预测的效率和精度。

基于DSP的数控机床在机测量系统测量误差实时建模预测

数控机床在机测量系统测量误差的影响因素多、变化规律复杂,利用软件建模预测补偿时间长、实时性差。XY工作台是数控机床在机测量系统的重要组成部分,为了实时补偿其在不同测量速度下的定位误差,文章设计了一种基于数字信号处理器(digital signal processor,DSP)的XY工作台定位误差实时建模预测补偿系统,介绍了其建模原理和软、硬件组成,并利用双频激光干涉仪和数控XY工作台进行实验,测量了不同运动速度下的定位误差,进行了遗传算法-反向传播(genetic algorithm and back propagation,GA-BP)神经网络与BP神经网络建模效果的验证比较。实验结果表明,应用GA-BP神经网络的定位误差建模精度比BP神经网络的建模精度高。利用DSP建立的XY工作台误差实时建模预测补偿系统的每个定位误差的预测时间为29.6μs,残差分布为-0.688 190~0.512 744μm,实时性和鲁棒性好,可以用于后续的在机测量系统各组成部分误差和综合测量误差的精确补偿以及误差补偿器的实现。

基于机电系统的自动化控制与实时监测技术

本文探讨了基于机电系统的自动化控制与实时监测技术,旨在提高生产过程中的效率和可靠性。通过深入研究机电系统的特性和工作原理,结合先进的自动化控制算法,实现对系统的智能化管理。文章重点介绍了在自动化控制方面的技术创新,包括模型预测控制和PID控制的应用。同时,针对实时监测需求,引入了先进的传感技术和数据采集系统,实现对机电系统各个关键参数的即时监控与分析。通过在工业实践中的应用验证,该技术方案有效提升了生产线的稳定性。本研究为机电系统自动化控制与实时监测领域提供了新的技术思路和方法,具有一定的推广应用价值。

基于功率谱分解和实时气象因素的短期负荷预测

提出了基于功率谱分解和实时气象因素的短期负荷预测方法,采用快速傅里叶变换(fast Fourier transform,FFT)对负荷序列进行变换得到功率谱,依据变换结果分析功率谱得出负荷基频、低频和高频分量的频率范围,采用有限脉冲响应(finite impulse response,FIR)滤波器从负荷中分离出各个负荷分量。分析各个负荷分量的特点,针对各个负荷分量分别设计预测模型,对基频分量采用Elman回归神经网络进行预测,这部分较好地反映出基频分量的时间序列特性;对低频和高频分量分别采用自适应线性回归神经网络进行预测,在对这部分分量的预测中重点引入实时气象因素,以利用最新的气象信息提高预测精度。通过在某地区的实际应用证明了所提出方法的有效性。

气温实时预测方法探究

本文旨在探究几种气温实时预测的方法,并通过软件仿真得到预测结果,根据相关指标对预测结果进行定性评估。仿真发现,GM(1,1)模型准确度高,BP神经网络模型动态性能较好,而灰色-神经网络模型兼具灰色模型与人工神经网络的特长,能有效提高气温实时预测的精度,但仿真速度有所减慢。

计及储能调度因素的电力系统短期负荷预测模型

针对电力系统的常规负荷预测方法难以准确计及储能资源调度引起的预测误差,本文主要对实时电价下计及储能调度因素的电力系统短期负荷预测模型进行研究,提出考虑储能调度行为的短期负荷预测模型。根据智能网络下负荷聚合商机制的聚合原理,提出了一种基于电价合同的储能调度方式,并以此为依据,构建储能在电力系统中的实时调度模型,对储能用户的充放电行为及变化规律进行深入分析。在对预测模型进行改进时,充分考虑了储能调度对负荷曲线及预测结果产生的影响,并采用RBF-NN进行预测,最终形成实时电价下计及储能调度因素的RBF-NN电力系统短期负荷预测模型。仿真结果表明,改进后的短期负荷预测模型与常规负荷预测模型相比,能够更准确地计及储能资源调度引起的预测误差,这将有益于提升模型的预测精度,为电网调度工作及其改进提供新思路。

实时视频系统的数据编码速率智能控制

探讨在CDMA无线网络环境下实现更高QoS的实时视频传输,包括了对实时视频编码速率调整的智能控制方法,以及如何对编码速率调整的内容。采用网络特征反馈的样本,将其通过动态神经网络异步输入,经过合适的训练,得到一个确定神经网络参考模型,用该模型对未来的网络环境作出预测,并由预测出来的结果控制数据编码调整方案的一种智能控制手段。我们通过神经网络来实现对网络特征的捕捉,再作出合适的编码速率调整,这种调整更接近真实需要,更好地满足了实时QoS的实时视频系统要求,使得实时性能得到显著的提高。

智能LF控制系统的研究

提出一种基于人工神经网络的智能LF控制系统模型 ,该系统的核心是LF精炼过程钢水温度和成分的实时预测 。

湖库水质监测与水华预警信息系统

针对当前湖库水质监测及水华预测预警信息化发展相对落后的现状,开发一套集水质监测、水华预测预警功能于一体的智能化信息系统。采用Visual Studio 2010中的C++语言进行系统平台搭建,将网络通信、地理信息系统、SQL2005数据库等技术相结合,对湖库水质信息进行实时监测,并通过灰色-BP神经网络模型实现对湖库藻类水华较高精度的中长期预测预警的功能,为环保部门进行湖库水华防治提供有效的信息化决策平台。