基于改进的模糊神经网络的短期负荷预测

影响短期电力负荷预测的因素是多方面的,除节假日、日期类型和气象因素外,还有拉电或限电行为、持续高温等许多干扰因素。针对这些干扰因素,引入了"干预项",进而提出了一种改进的模糊神经网络预测的新方法;阐述了应用该方法进行短期负荷预测的基本原理、网络模型和预测过程。实例分析中分别给出了经"干预项"和未经"干预项"处理后的预测结果,未经"干预项"处理的预测误差明显偏大。同时采用三种方法对不同日期类型进行预测,结果表明新方法的预测误差最小,预测精度较高。

基于改进FMNN模型的既有建筑可靠性鉴定

现阶段,由于自然因素和人为因素的影响,我国大量既有建筑的可靠性存在较大程度地削弱。这类建筑通常都位于城市的重要地段、建造时间相对较早,为了尽可能地降低建筑物拆除重建所造成的资源浪费和不利环境影响,有必要采取科学的评估鉴定方法对这类建筑的可靠性进行鉴定,及时采取加固处理措施。基于改进模糊Modular神经网络理论,对某既有建筑的可靠性进行鉴定,通过将采集到的建筑结构可靠性性能指标输入至通过专家经验训练后的评估网络,最终根据输出参数值得出鉴定结论,为后续建筑结构加固处理提供依据。

IFNN时变模型在建立大坝位移监控中的应用

针对时变监控模型比常规监控模型更有效且能准确进行变量分离,通过改进的模糊神经网络(IFNN)结合时变模型对陈村水库大坝的水平位移进行拟合与预测,并与BP模型做了比较。结果表明,该模型拟合及预测精度均较BP模型高,与工程实例相近,可推广应用。