基于改进型Elman神经网络的短期电力负荷预测

精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度,提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层,增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。

采用序贯学习的改进型Elman神经网络预测研究

针对石油化工领域监测系统中,广泛存在的非线性时间序列预测问题,将Elmann神经网络方法引入化工过程监测的在线预测。并在其理论框架基础之上,改进了Elman神经网络的内部结构,引入了串行学习机制,可以根据实时数据对网络进行在线训练,提高网络预测精度。通过对某芳烃厂实时数据在线预测仿真,表明该方法能够准确地在线预测未来数据,同时具有训练速度快、结构简单、适应性强的优点。

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。

改进型Elman神经网络在电石炉控制系统中的应用

借鉴神经网络理论的研究成果,将其用于具有典型非线性、大滞后特性的电石炉控制系统.利用改进型El-man神经网络模型,通过系统仿真,与目前大量采用的PID控制系统比较,Elman神经网络在系统仿真中系统超调、调节时间等指标均优于PID控制,为电石炉控制系统控制环节的升级换代提供了现实可行的解决方案.

基于改进型Elman神经网络和遗传算法的锅炉在线燃烧优化

目前,电站锅炉燃烧优化要求在保证燃烧效率的基础上降低NOx的排放,即同时满足电站经济性和环保的要求。利用改进型Elman网络结构简单、计算量小、容易收敛和动态学习的特点,建立锅炉燃烧预测模型,并结合遗传算法的寻优特性,在线地搜寻出一定工况下可操作量的最优控制方案,可实时地指导运行人员。仿真试验结果表明,该预测模型实现了锅炉高效低氮燃烧优化寻优,且满足实时性的要求。

改进天鹰优化器优化Elman神经网络模型预测管道蜡沉积速率

管道结蜡一直是困扰含蜡原油输送的棘手问题,建立准确的蜡沉积速率预测模型对于保障管道的安全运行具有重要的实际意义。考虑到Elman神经网络(Elman neural network,ENN)模型的不足(易陷入极小点、泛化能力弱),基于蜡沉积速率的主要影响因素,提出了一种基于改进天鹰优化器(引入鲸鱼优化算法的狩猎策略对天鹰优化器的局部搜索能力进行改进)的ENN模型,并基于两组室内实验数据对比分析了所建新模型和其他模型预测精度的差异。结果表明,改进新模型的平均绝对百分比误差分别为0.7603%、1.2452%,其预测精度明显高于传统ENN模型;采用改进天鹰优化器建立的ENN模型可对初始权值和阈值进行寻优处理,极大提高了泛化能力,因此具有预测精度高的优点。

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明:与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好,并具有自适应能力,应用前景十分广泛。

新型Elman混沌神经网络的流量预测

根据实际网络中测量得到的网络流量数据,提出一种改进型Elman神经网络模型——季节性输入多层反馈Elman网络。在网络权值的训练过程中引入混沌搜索机制,利用Tent映射的遍历性进行混沌变量的优化搜索,以减少数据冗余,解决局部收敛问题。实验结果表明,该模型及其算法有效提高了网络的训练速度及网络流量的预测精度。

改进Elman网络在发动机齿轮箱故障诊断中的研究

针对发动机齿轮箱故障诊断系统,在Elman网络的理论框架的基础之上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机齿轮箱故障的故障诊断。本文采取经典的"频域"分析方法对齿轮箱进行故障诊断,并建立了基于改进Elman神经网络的齿轮箱故障诊断模型,结果表明:该方法具有精度高、收敛快、可以避免局部最小的优点,从而为发动机齿轮箱故障诊断提供了一种更有效的方法。

基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。

PID型Elman网络及在动态系统辨识中的应用研究

首先介绍普通改进E lm an动态递归神经网络的结构,重点讨论一种具有P ID特性的E lm an神经网络及其学习算法,并将改进E lm an网络和P ID型E lm an网络分别用于动态系统的辨识.无论是理想的数学模型还是实际工业模型,计算机仿真结果均证明,将P ID型网络用于动态系统辨识具有更好的逼近效果.

改进的Elman模型在紫坪铺月径流预测中的应用

Elman递归神经网络具有上下层,将隐藏层前一时刻的输出反馈到当前时刻的输入,这种反馈连接使Elman网络能够检测随时间变化的序列信息;对Elman进行改进,使之对时间变化序列信息更敏感;利用岷江紫坪铺水文站数十年的天然月径流时间序列,采用改进的Elman递归神经网络对岷江紫坪铺站的天然月径流进行预测分析,并用误差检验和F方差对结果进行检验,表明该模型应用在紫坪铺水文站的月径流预测中是合理、可行的。

基于改进型PSO的模糊神经网络PM_(2.5)浓度预测

为科学合理地预测大气污染物PM2.5颗粒物浓度变化规律,分析PM2.5颗粒物浓度变化历史数据,综合判断外部条件(温度、风速、天气状况)和内部条件(其它污染物的浓度)对PM2.5颗粒物浓度变化的影响。采用一种改进型PSO优化的模糊神经网络,将粒子群算法与模糊神经网络进行融合,发挥PSO算法全局寻优的特点,预测PM2.5颗粒物浓度的变化规律。对某市2013年PM2.5颗粒物浓度进行预测和验证,验证结果表明,该算法具备良好的预测精度。

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。

基于改进Elman网络的发动机点火系统故障诊断

在Elman网络理论的基础上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机点火系统故障的诊断。结果表明:该方法具有精度高、可以避免局部最小的优点,试验测试结果表明:测试误差由改进前的1.634%减小为0.0452%。

基于改进Elman网络的软测量建模方法

针对静态前馈网络和Elman网络在软测量建模中的不足,提出了一种新的改进的Elman网络模型,并将此模型应用于精馏塔出口成分含量的软测量建模中。实验模拟结果表明:改进的Elman网络模型具有更高的预测精度和较快的收敛速度,能够更好地实现精馏塔出口成分含量的软测量建模,为进一步实现产品质量控制提供了保证。

改进ELMAN网络的Q学习温度切换控制

在水泥生料分解过程中,由于生料边界条件频繁变化且生料流量波动大,使过程处于正常工况或异常工况,致使分解炉温度和预热器C5出口温度很难控制在工艺要求的范围内传统的控制方法经常导致预热器C5下料管堵塞为了解决上述问题,本文提出了一个带有前馈补偿的温度智能切换控制策略,由基于T-S的模糊控制器、基于改进的ELMAN网络的Q学习异常工况控制器和切换机制组成实际应用结果表明,所提出的控制策略能够根据当前工况的变化选择正确的控制器。

改进的Elman神经网络在WSNs距离预测中的应用

节点定位是无线传感器网络应用的关键技术之一,而测距的精度很大程度决定了定位的精度。为了提高定位的精度,对测距精度的提高进行了研究。根据实验获取的RSSI值与对应的距离值,先对实验数据进行滤波处理,以滤波后的数据作为样本,建立改进的Elman神经网络预测模型,利用改进的El-man神经网络的稳定性高和预测精度高等特性,对样本进行训练,得出预测的距离值,距离精度达到1 m以内。

基于Elman型回馈神经网络的流域降雨-径流动态过程建模的研究

本文将Elman回馈型神经网络与水文系统的特点相结合 ,建立了流域降雨 -径流动态模型。文中用较简单的方法解决了神经网络模型难以直接描述水文系统前期状态的难题 ,并以福建沙县流域的降雨 -径流过程为研究对象 ,通过完整的分析 ,表明Elman型神经网络与水文系统概念相结合的动态过程模型是一种能够保证较高的预报准确性的模型 ,同时又具有良好的适应性、健壮型和外延性 ,显示出良好的应用前景。

基于改进型脉冲耦合神经网络的图像二值分割

图象二值分割在图像分析和模式识别中是一项最基本也是最重要的预处理 ,它处理的好坏将直接影响后续的分析和处理效果。如何更有效、适应性更强地实现图像二值化 ,一直是困扰人们的一个难题。该文提出了一种新的图像二值分割方法———基于脉冲耦合神经网络的图像二值分割。它利用脉冲耦合神经网络的特性 ,实现图像的二值化。与传统图像二值化方法相比 ,它完全是一种与图像自适应的二值分割 ,易于软件和硬件的实现。对于含有丰富细节或低对比度的图像二值分割 ,该方法的优越性更为突出。实验结果表明了该方法的有效性。