模糊优选神经网络模型及其应用

给出一种能反映宏观决策意图的模糊优选神经网络模型，经用于大连市经济与水资源、环境可持续发展决策，取得了满意结果。

模糊优选神经网络模型在泥石流平均流速预测中应用研究

泥石流平均流速是防治工程设计的重要参数,其设计预测精度直接影响工程投资.应用模糊优选神经网络模型,以模糊可变识别模型当优化准则参数等于2,距离参数等于1的特例为神经网络激励函数,研究隐含层在不同隐节点数情况下的泥石流平均流速预测精度,并以精度最高的隐节点数构建神经网络的拓扑结构,对云南蒋家沟黏性泥石流平均流速进行预测.研究结果表明,预测精度较高,有参考应用价值.

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.

模糊优选神经网络模型在水资源价值评价中的应用

为了克服水资源价值评价中可变模糊综合评价模型的平方准则、距离参数及权重确定方法选取主观性的不足,本文在综合模糊优选模型和神经网络理论的基础上,运用神经网络的自学习能力,通过网络结构的调整自主获得指标权重,提出了基于模糊优选神经网络的水资源价值评价模型。提出的模型通过利用水资源价值模糊综合评价指数,将反映水资源价值不同层次的各种因素综合起来,反映与水资源有关的诸要素的影响。将提出的模型运用到济南市的水资源价值的综合评价中,结果表明模糊优选神经网络模型的评价结果不但与可变模糊综合评价模型相近,而且能够克服可变模糊综合评价模型中的人工定参数的不足,具有较强的实用性,为水资源价值评价提供了一个很好的途径。

模糊优选神经网络模型在城市防洪规划方案优选中的应用

城市防洪规划方案的综合优选是一个涉及到政治、社会、经济、环境等多准则、多因素的复杂多目标决策问题。针对目前各种常用的综合优选模型应用中存在的指标权重选择及转换问题,利用模糊优选神经网络模型,构造了合理的网络拓扑结构并将模型应用于某城市的防洪规划方案综合优选中。实例结果表明,此模型不仅避免了对指标权重的处理问题,而且明显加快了BP网络的收敛速度。

基于LM算法的模糊优选神经网络模型

针对传统模糊优选神经网络模型训练速度慢、训练结果易陷入局部最小解的缺点,提出了基于LM算法的模糊优选神经网络模型且对传递函数进行了改进,并预测分析了黄河内蒙段的三湖河口站和巴彦高勒站冰情。实例结果表明,改进模型训练速度更快、训练预测结果更优。

基于模糊神经网络的无人机数据传输时延控制模型

传输信道状态若是处于拥塞状态,会使得无人机数据传输时延大幅度增加,所以构建基于模糊神经网络的无人机数据传输时延控制模型;考虑直射、散射和反射等现象确定无人机数据传输信道,计算无人机数据传输信道传输时延,综合能量消耗、时延等因素判断无人机数据传输信道是否处于拥塞状态;利用基于模糊神经网络的时延控制模型生成时延控制指令,通过扩频调制、拥塞调度和队列管理等步骤,实现无人机数据传输时延控制;实验结果表明,在该模型控制下无人机数据传输时延达到预期水平,控制误差约为0.03 s,且未对数据传输进程产生明显不利影响,控制效果更好。

基于模糊神经网络的火电厂锅炉主蒸汽温度控制方法

现行方法在火电厂锅炉主蒸汽温度控制中应用效果不理想,阶跃响应性能较差,而且超调量较高,因此本文提出基于模糊神经网络的火电厂锅炉主蒸汽温度控制方法。利用线性化分布参数建模方法建立火电厂锅炉主蒸汽温度参数数学模型,利用模糊神经网络进行锅炉主蒸汽温度误差补偿控制,实现基于模糊神经网络的火电厂锅炉主蒸汽温度控制。经试验证明,本文方法阶跃响应时间较短,超调量在1℃以内,在工业控制领域具有良好的应用前景。

基于模糊优选BP神经网络模型的作物-水盐响应关系模拟研究

棉花在诸多影响因素下,生长过程表现为复杂的非线性,使其水-盐的响应关系难以用传统的数学模型进行精确描述。本研究基于大田棉花膜下咸淡水滴灌试验成果,采用模糊优选BP神经网络模型,对籽棉产量与灌溉水量和灌溉水矿化度的响应关系进行了模拟。结果表明:该模型的模拟结果精度良好。模拟得到的连接权重矩阵可良好地表达籽棉产量与各生长阶段微咸水处理水平之间的响应关系,在微咸水灌溉技术中具有一定的指导意义。

基于模糊神经网络的SCR脱硝效率预测模型研究

针对火电厂选择性催化还原(SCR)系统存在变量多、耦合性强等特点,造成脱硝效率难以准确实时监测的问题,提出利用Takagi-Sugno(T-S)模糊神经网络算法,建立多输入单输出预测模型,以研究未来时间脱硝效率的变化。将模糊C均值(FCM)聚类算法用于结构辨识、模糊神经网络的混合学习算法用于参数辨识,构造T-S模糊预测模型。在分布式控制系统(DSC)上采集连续48 h实时数据,并利用MATLAB进行模型训练与检验。试验结果显示:训练集98%点的相对误差在±1.5%之间,最大误差小于2%,检测集99%点的相对误差在±0.5%之间,最大误差小于2.5%。该模型能够较好地反映SCR烟气脱硝效率,可以为脱硝效率的控制优化提供依据。

采矿方法模糊优选的神经网络模型构造及其应用

应用神经网络模式识别原理 ,构建一种人工神经网络 (ANN)———弹性神经网络 ,能较好地解决常用BP神经网络梯度算法中可能出现的收敛缓慢和局部最小问题 ,将模型应用于大红山铜矿缓倾斜中厚矿体采矿方法模糊优选 ,与用模糊数学法得出的结论基本一致。终选出的采矿方法工业试验后取得了显著成效 。

模糊优选神经网络BP模型在黄河内蒙段封开河预报中的应用

黄河内蒙段地处黄河流域最北端,由于它特殊的地理位置、水文气象条件、河道特性,几乎年年发生凌汛。在分析凌汛成因影响因素的基础上,选取合适的预报因子,基于模糊优选神经网络BP模型,对黄河内蒙段封河、开河日期进行样本训练和预报方案验证。预报结果表明,模糊优选神经网络冰凌预报模型计算简便,精度良好。

基于粒子群算法的模糊优选神经网络储层识别模型

针对致密储层中气水干层识别准确率较低这一难题,提出基于粒子群算法(particle swarm optimization,PSO)的模糊优选神经网络识别模型。其基本思路:首先对所有的变量进行分析,提取反映储层本质的主要属性,消除重叠信息的输入,然后将粒子群算法与模糊优选神经网络相结合,构建基于粒子群算法的模糊优选神经网络识别模型。以陕甘宁盆地中部气田马五1储层气水干层识别问题为例,选用十九口井分层测试的92个已知样本(其中八十个用于模型构建,十二个用于精度检验),对物性、测井和储渗特征等方面的十个特征参数进行分析,从中提炼出电阻率、自然伽玛、产能系数、储渗因子、介质类型因子等五个主成份控制特征参数,消除重叠信息的影响。并以此作为神经网络输入层的输入,以样本储层的产能赋值作为输出,构建基于粒子群算法的模糊优选神经网络模型。模型的识别正确率达到100%,标准误差比传统模糊神经网络降低了60%。这表明该模型具有更高的识别精度,为致密储层的准确识别探索了又一种新方法,对同类地区的研究在一定程度上具有指导作用。

基于遗传算法的模糊优选神经网络路面性能评价模型

针对现有路面性能评价方法的不足,在模糊优选神经网络模型的基础上,引入遗传算法,建立了基于遗传算法的模糊优选神经网络的路面使用性能评价模型.该算法采用遗传算法优化神经网络权值,再用神经网络对遗传算法搜索到的近似最优解进行微调,并将模糊优选模型作为神经网络的激励函数,使模型具有明确的物理意义.应用该模型对沈大高速公路部分路段进行评价,与其他模型的对比分析表明:该方法在评价精度和效率方面取得了良好的效果,是一种实用的高速公路路面性能评价方法.

可变模糊优选神经网络综合评价模型

针对多指标评价问题中区间形式评价标准的处理方式和指标权重的确定方法直接影响评价的科学性及合理性,首次将可变模糊集理论和模糊优选神经网络有机结合,提出了一种新的评价模型———基于可变模糊集理论和模糊优选神经网络的综合评价模型,并应用模型对黄河流域9个行政分区的水资源可再生能力进行了综合评价。评价结果表明,黄河流域水资源可再生能力总体上较弱;新的评价模型是科学、合理的。

模糊优选神经网络BP模型在植被生物量参数反演中的应用(英文)

根据模糊优选神经网络BP模型,利用1988年小麦生长期中生物量参数和微波(10.2GHz)主被动遥感实测数据,作为输入输出I/O矢量对,计算出网络模型的正向传输权重矩阵及反向传输权重矩阵。用1989年小麦生长期中微波实测数据和该神经网络模型得到的权重矩阵,来反演其生物量参数在整个1989年生长期中的变化,反演结果与遥感实测结果的比较说明了所提方法的准确性。

基于平滑因子引入和神经网络优化的锂电池SOC估计方法

为提高锂电池荷电状态(SOC)的估计精度,提出了一种基于平滑因子引入和神经网络优化的锂电池SOC估计方法。将黄金分割优选法和模糊C均值聚类算法应用于RBF神经网络,分别用来确定最佳隐含层神经元个数和径向基中心;采用遗传算法对高斯核函数宽度及连接权值进行优化,解决了RBF神经网络结构和初始参数难以确定的问题。将滑动时间窗口内的放电容量作为平滑因子引入神经网络模型,增强了RBF网络对锂离子电池非线性特性拟合的能力。基于实验获得的锂离子电池在联邦城市行车计划(FUDS)工况下的数据,对所提出的方法进行仿真和验证,结果表明,所提方法显著提升了锂电池SOC的估计精度。

基于模糊神经网络的模型预测硅单晶直径控制

为了生产大尺寸、高质量、低能耗的直拉单晶硅棒,文中通过在直拉硅单晶生产车间采集的大量数据,通过模糊神经网络(Fuzzy Neural Networks,FNN)和模型预测控制(Model predic-tive control,MPC)进行建模,得到了等径阶段的直径预测模型和直径控制模型.直径预测模型测试结果表明:平均相对误差仅为0.0287%,预测精度极高.通过仿真并与常规PID控制进行对比分析得出,MPC比常规PID控制的调节速度快53.66%,并且MPC的控制过程非常稳定,其超调量基本为0;由加热器功率调控变化过程可知,MPC减少了调节过程的能耗,并提高了热场稳定性及单晶硅棒质量.通过预测模型建立的直径控制模型能提高控制精度并促进硅单晶高质量生产.

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.

基于BP神经网络实现小批量物料生产安排

本文以2022年全国大学生数学建模竞赛E题为背景,利用已有历史数据,研究小批量物料生产计划。首先利用模糊综合评价选定数据集,然后结合BP神经网络模型对选定数据集进行预测分析,最后建立生产计划模型实现生产计划合理安排。模型结果表明,预测数据与真实数据的平均绝对误差、均方误差、总方差结果均在合理范围内,且满足平均服务水平大于85%的要求。