期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于BP神经网络的热管式真空管集热器热性能预测校正模型 被引量:9
1
作者 张义林 董华 周恩泽 《太阳能学报》 EI CAS CSCD 北大核心 2008年第6期690-693,共4页
基于BP神经网络建立了热管式真空管集热器热性能的预测校正模型。该模型采用了LM和BR两种网络训练方法,经实验数据验证,预测校正模型输出结果的最大相对误差为2.8%,平均相对误差为1.2%,而数学模型输出结果的最大相对误差为6.2%,平均相... 基于BP神经网络建立了热管式真空管集热器热性能的预测校正模型。该模型采用了LM和BR两种网络训练方法,经实验数据验证,预测校正模型输出结果的最大相对误差为2.8%,平均相对误差为1.2%,而数学模型输出结果的最大相对误差为6.2%,平均相对误差为4.3%,证明此预测校正模型的预测校正效果较好。应用该集热器热性能预测校正模型,可较精确地预测出不同运行状态、不同环境下集热器的出口温度,提高了系统的仿真精度。 展开更多
关键词 热管式真空管太阳集热器 集热效率 BP神经网络 数学模型 预测校正模型
下载PDF
使用预测-校正模型优化网络流量预测的神经网络 被引量:1
2
作者 刘超 单道松 《计算机时代》 2009年第11期18-20,共3页
针对基于传统BP算法的前向神经网络预测网络流量方法的不足,构建了一种二级的网络流量预测-校正模型。该模型具有较高的预测效率和峰值预测精度,在实际网络流量的预测中取得了良好的效果。
关键词 网络流量预测 算法 峰值预测 预测-校正模型
下载PDF
基于树种随机效应的东北林区主要针叶树种含碳量模型构建
3
作者 谷子航 马爱云 +1 位作者 谢龙飞 董利虎 《西部林业科学》 CAS 北大核心 2024年第3期169-178,共10页
为准确估算东北林区针叶树种含碳量,通过林木易测因子推算难于测定的单木含碳量。基于黑龙江省3种针叶树的129株解析木数据,分析4种树木各组分(即树干、树枝、树叶和树根)的含碳率差异,并采用似乎不相关回归(SUR)方法构建树木各组分一... 为准确估算东北林区针叶树种含碳量,通过林木易测因子推算难于测定的单木含碳量。基于黑龙江省3种针叶树的129株解析木数据,分析4种树木各组分(即树干、树枝、树叶和树根)的含碳率差异,并采用似乎不相关回归(SUR)方法构建树木各组分一元含碳量SUR模型(SUR1)和二元含碳量SUR模型(SUR2),并在SUR模型的基础上引入树种混合效应,进而构建似乎不相关混合效应(SURM)模型(SURM1和SURM2)。采用随机抽样的方法选择样木构建校正样本,用于计算各个树种的随机效应参数,并评估模型在不同样本量下的预测能力。结果显示:(1)引入树种混合效应后,枝和叶的含碳量模型拟合效果改善较为明显,R^(2)_(a)均提高17%以上,干和根含碳量模型的R^(2)_(a)分别提高6%和13%;(2)SURM2在树干含碳量的拟合和预测精度上优于SURM1,在树叶、树枝和树根含碳量的拟合和预测精度上与SURM1差异不大;(3)当使用随机抽取的3棵株样木计算树种水平随机效应时,SURM模型的预测表现要优于SUR模型和仅考虑固定效应的SURM模型。在基础的SUR模型系统中引入随机效应可提高模型的预测精度。本研究推荐使用SURM模型预测东北林区3种针叶树含碳量,为东北林区针叶树种含碳量的估算提供参考。 展开更多
关键词 含碳量 针叶树 似乎不相关混合效应模型 模型校正预测
下载PDF
变结构非线性协整系统的预测方法 被引量:4
4
作者 刘印旭 张世英 《统计与决策》 CSSCI 北大核心 2007年第2期4-6,共3页
变结构非线性协整是经济系统建模中常遇到的问题。本文提出了变结构非线性协整的定义及分类,并通过引入变结构协整的概念,来处理变结构非线性协整问题。
关键词 非线性协整系统 变结构协整 向量均衡校正模型预测
下载PDF
趋势分析法在数控加工负荷辨识中的应用 被引量:2
5
作者 李曦 唐琳 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第10期89-92,共4页
分析了一类非平稳主轴电流信号的特点,给出了一种基于主轴电流信号的数控加工过程中负荷辨识的方法,该方法利用趋势分析中循环平稳信号的特点,借助移动时间平均和校正预测控制算法,可直接面向控制.实验研究表明,基于该方法的加工过程负... 分析了一类非平稳主轴电流信号的特点,给出了一种基于主轴电流信号的数控加工过程中负荷辨识的方法,该方法利用趋势分析中循环平稳信号的特点,借助移动时间平均和校正预测控制算法,可直接面向控制.实验研究表明,基于该方法的加工过程负荷辨识可实现切深0.05 mm变化时有效分辨的能力. 展开更多
关键词 主轴电流 趋势分析 负荷检测 校正预测模型
下载PDF
基于BP神经网络的PTC工质出口温度研究 被引量:2
6
作者 严倩雯 蒋川 +2 位作者 杨嵩 余雷 王启扬 《太阳能学报》 EI CAS CSCD 北大核心 2017年第11期3029-3035,共7页
在槽式抛物面太阳集热器的热性能研究中,数据往往具有随机性、非线性和不确定性等特点,采用传统建模方法经常做出大量假设,导致仿真精度不高且复杂。以槽式抛物面太阳集热器为研究对象,将传统理论模型与BP人工神经网络相互耦合,通过集... 在槽式抛物面太阳集热器的热性能研究中,数据往往具有随机性、非线性和不确定性等特点,采用传统建模方法经常做出大量假设,导致仿真精度不高且复杂。以槽式抛物面太阳集热器为研究对象,将传统理论模型与BP人工神经网络相互耦合,通过集热器热性能室外动态试验,建立工质出口温度的神经网络预测校正模型。引入Levenberg-Marquardt(LM)法对BP神经网络的权值及阈值进行优化。分析结果表明,预测校正模型可将绝对误差控制在3.8℃以内,相对误差保持在3.6%以内,可有效提高槽式抛物面太阳集热器热性能的仿真模型计算精度。 展开更多
关键词 槽形抛物面集热器 BP神经网络 预测校正模型 工质出口温度
下载PDF
Model-Based Fault Detection of a Battery System in a Hybrid Electric Vehicle
7
作者 S. Andrew Gadsden Saeid R. Habibi 《Journal of Energy and Power Engineering》 2013年第7期1344-1351,共8页
Recently, a new type of IMM (interacting multiple model) method was introduced based on the relatively new SVSF (smooth variable structure filter), and is referred to as the IMM-SVSF. The SVSF is a type of sliding... Recently, a new type of IMM (interacting multiple model) method was introduced based on the relatively new SVSF (smooth variable structure filter), and is referred to as the IMM-SVSF. The SVSF is a type of sliding mode estimator that is formulated in a predictor-corrector fashion. This strategy keeps the estimated state bounded within a region of the true state trajectory, thus creating a stable and robust estimation process. The IMM method may be utilized for fault detection and diagnosis, and is classified as a model-based method. In this paper, for the purposes of fault detection, the IMM-SVSF is applied through simulation on a simple battery system which is modeled from a hybrid electric vehicle. 展开更多
关键词 Battery system fault detection and diagnosis interacting multiple model smooth variable structure filter Kalman filter.
下载PDF
亚轨道飞行器再入轨迹高精度自适应凸规划
8
作者 刘哲 张羲格 +1 位作者 韦常柱 崔乃刚 《航空学报》 EI CAS CSCD 北大核心 2023年第S02期100-114,共15页
针对全要素终端状态约束下的亚轨道可重复使用飞行器再入滑翔轨迹规划精度不足、难收敛问题,提出了一种结合序列凸优化与自适应网格更新约束同伦模型预测凸规划的高精度求解算法,实现弱初值依赖条件下再入轨迹规划过程的高精度可靠收敛... 针对全要素终端状态约束下的亚轨道可重复使用飞行器再入滑翔轨迹规划精度不足、难收敛问题,提出了一种结合序列凸优化与自适应网格更新约束同伦模型预测凸规划的高精度求解算法,实现弱初值依赖条件下再入轨迹规划过程的高精度可靠收敛。首先,对部分终端约束进行松弛处理,并在凸优化求解过程中将信赖域作为软约束,定义反映线性化误差及约束违反程度的增广指标函数,采取多维参数搜索方式分别更新状态量及控制量,避免传统一维线搜索出现无解情况;进一步选取约束松弛项作为同伦参数,基于模型预测误差评估自适应调整离散网格,并构建考虑多约束的静态凸规划问题模型,同伦优化求取全程控制调整量,以实现全要素轨迹状态量高精度校正,提升算法收敛性。最终,通过数值仿真验证了本文方法的有效性。 展开更多
关键词 再入轨迹规划 全要素约束 凸优化 模型预测校正 自适应网格更新
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部