基于模糊神经系统与GIS的区域土壤侵蚀快速评价

土壤侵蚀调查与评价是水土保持工作的重要组成部分。该文对区域土壤侵蚀评价进行了尝试性研究,提出一种基于模糊神经系统和GIS技术的快速评价方法。研究中利用模糊神经系统技术从地面监测调查数据中提取土壤侵蚀强度的评价规则,建立能够全面、客观地反映特定区域范围内土壤侵蚀自然特征及规律的评价标准,在此基础之上结合GIS技术以实现对整个地区的快速评价。采用该方法进行湖北省土壤侵蚀普查,结果表明全省侵蚀面积约占国土总面积的30.1%。其中,鄂西南、鄂西北高山区土壤侵蚀情况最严重,鄂东南、鄂东北低山丘陵区次之,鄂北岗地中度侵蚀面积较大,而江汉平原基本无明显侵蚀。经验证评价结果与实际情况具有较好的一致性。

模糊神经系统的典型结构

１引言把模糊逻辑（ＦＬ）和神经网络（ＮＮ）结合起来对控制对象实施模糊控制（ＦＣ），还是最近几年的事。这种结合构成的智能系统就是模糊神经系统。模糊控制系统按照结构可以划分成ＰＩＤ基本型、自组织、自校正、自学习、专家等５种控制类型，而神经网络又有误差修正...

一种基于模糊神经系统的图像去噪方法

提出一种对含有高斯噪声的数字图像的去噪方法,这种方法能够增强高斯噪声滤波器的性能,减少去噪对图像造成的模糊和失真。设计了一个模糊推理系统(FIS),并利用ANFIS训练这个FIS。通过训练可以调整、优化FIS的内部参数值。训练图像数据由计算机程序自动生成。优化后的FIS即可处理输入的图像数据,产生增强的图像。从结果图像的视觉效果和量化标准两方面的实验和分析,可以看出这种方法可基本消除高斯噪声滤波器产生的模糊和失真,提高滤波器性能。实验表明模糊神经系统可以应用于图像去噪问题。在合理地选择隶属度函数、规则和训练数据的前提下,会产生明显的图像增强效果。

模糊神经系统研究综述

１前言最近几年，当使用神经网络的空间复杂性来克服模糊控制的时间复杂性时，两者结合便诞生了模糊神经系统。１９６５年，美国自动控制学者Ｚ．Ａ．Ｚａｄｅｈ提出模糊集合的概念，首创模糊集理论，用于描述没有明确界限和模糊外延的现象。３０多年来，模糊集理论有了飞...

基于自适应模糊神经系统的网络学习评价模型研究

学习评价是网络学习中十分重要的环节,为克服原有网络学习评价方法的不足,构建一种基于自适应模糊神经系统的评价模型,并进行实验仿真。测试结果表明,基于自适应模糊神经系统的网络学习评价模型提高了网络学习评价的准确率,为网络学习提供一种新评价方法。

基于T-S模糊神经系统的灰色关联分析方法——以广东省滑坡危险性评价为例

论文在经典灰色关联分析理论的基础上,应用T-S模糊神经系统的模糊系统和模糊逻辑,结合神经网络的自适应性,对灰色关联分析的数据取值以及取值区间进行重新定义和划分。再进行定量归一化,对灰色关联分析方法进行了改进。文中以广东省滑坡危险性评价为例,将改进的灰色关联度分析方法应用于滑坡危险性的评价。通过对影响滑坡危险性评价因素的T-S模糊神经系统分析,对滑坡的危险性评价提供了更科学、合理的依据。

谈模糊神经系统在烘干机控制中的应用

粮食水分在线检测及自动控制是烘干机技术研究中的关键技术难题,经“烘干机水分在线检测及自控系统试点工程”的试验证明,采用“模糊神经系统”是一种可行的控制方法。

基于模糊神经网络的双目视觉定位系统研究

针对移动机器人对未知不确定环境缺乏自适应性的缺点,在活动关节自由度的基础上构建了基于模糊神经网络的双目视觉定位系统。采用自组织学习和监督学习相结合的混合算法,从而避免了移动机器人在移动过程中的振动所带来的误差。此外,通过控制伺服电机实现摄像机的移动,降低了双目视觉定位系统的成本。仿真实验结果表明,该系统具有较高的精确度及响应速度。

自适应模糊神经控制系统及其MATLAB实现

介绍了自适应模糊神经网络控制系统的结构,并在此基础上重点介绍了自适应模糊神经系统及其MATLAB实现。

基于粗集—神经模糊系统的高速公路项目运营效益评价模型研究

基于粗集—神经模糊系统的评价模型,利用粗集理论从数据样本中获取约简的规则集作为模糊神经系统的规则,使得规则数目减少,克服了当输入维数高时,模糊神经网络模糊规则过多,结构过于庞大的缺点。同时利用免疫遗传算法对系统参数进行有控调整有效避免了参数过渡训练的问题,使得系统的结构更为精简,学习速度更快。最后用RS-NFS的评价方法对高速公路项目运营效益进行评价,取得了良好的效果。

反应堆功率控制中的模糊神经技术

反应堆功率系统结构复杂，时变性大、参数测量困难，采用传统的方法难以实现有效的控制。模糊神经系统给这一问题的解决带来了新的希望。本文综述了当前反应堆功率控制中所采用的模糊神经控制模式。对它们的控制性能及应用前景作了系统探讨。

基于遗传算法的自适应神经模糊控制器

分析了自适应神经模糊系统的特性,以此设计一个智能控制器,控制器的输入为误差和误差变化率,输出为控制量。遗传算法是一种有效的全局最优搜索算法,对于复杂、非线性的空间也能够快速地搜索最优解,因而本文利用遗传算法来优化自适应神经模糊控制器的参数。仿真实验表明,该方法优化得到的控制器具有优良的控制效果。

基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型

风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出了一种基于变分模态分解(VMD)和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解技术将原始风速序列分解为一系列子序列,而后对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,同时克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对变分模态分解后的各子序列进行预测,最后将预测后的各子序列叠加得到最终预测结果。为测试模型的有效性,选择宁夏地区3组实际风电数据进行模拟试验,将ANFIS,VMD-ANFIS,VMD-WOA-ANFIS与提出模型进行对比,结果表明所提出的混合模型预测精度明显高于其他对比模型。

雷电流在线监测系统中噪声干扰的处理方法

针对雷电流在线监测系统中的噪声干扰,提出一种基于模糊神经系统的雷电流波形处理方法。利用所提方法对噪声频率在0.001～10 MHz间变化的雷电流波形进行仿真测试,消噪后雷电流波形的峰值误差小于0.06%,说明所提方法具有很强的抑噪能力。分别用曲线拟合法、小波分析法和所提方法对设备实测波形消噪,分析结果表明,所提方法具有更好的非线性快速逼近性能,得到的波形匹配度高,参数误差最小。

最大-乘积型模糊联想记忆网络的一种新的学习算法

本文提出了最大－乘积型模糊联想记忆网络的一种新的学习算法，并给出 了严格的理论证明。在一定条件下，新算法能将多个模糊模式对可靠地编 码到模糊联想记忆网络的连接权矩阵中，且已存储的模式对可被完整地 回想出来，并举例验证了算法的有效性。

基于变分模态分解和改进鲸鱼算法优化的神经网络风速预测模型

风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出一种基于变分模态分解和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解(VMD)技术将原始风速序列分解为一系列子序列,对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对VMD分解后的各子序列进行预测,最后将预测后各子序列叠加得到最终预测结果。为测试模型的有效性,选择宁夏地区三组实际风电数据进行模拟试验,将ANFIS、VMD-ANFIS、VMD-WOA-ANFIS与提出模型进行对比,结果表明,所提出的混合模型预测精确度明显高于其他对比模型。

一种落角约束的自适应模糊滑模导引律

考虑末制导中的落角约束和过载约束,提出一种自适应模糊滑模导引律,并采用李雅普诺夫稳定性判据对其稳定性进行了证明。通过将落角与视线角联系起来,从而设计滑模面实现落角约束。通过引入自适应模糊推理系统消除滑模控制中的抖振,提高了导引律的实用性。由于模糊推理具有强大的自学习能力,可在线修正加速度指令,故而对于未知干扰和模型不确定性具有良好的鲁棒性,提高了导引精度。仿真验证了该导引律在不同条件下均能满足过载约束和落角约束。

基于粗集-神经模糊系统评价模型高速公路项目运营效益

结合高速公路项目运营效益评价的特点,提出了粗集-神经系统的评价模型。利用粗集理论从数据样本中获取约简的规则集作为模糊神经系统的规则,使得规则数目减少,克服了当输入维数高时,模糊神经网络模糊规则过多,结构过于庞大的缺点。采用免疫遗传算法对系统参数进行有控调整有效避免了参数过渡训练的问题,使得系统的结构更为精简,学习速度更快。最后将该方法用于实例,结果初步论证了论文提出的模型和方法的有效性和可行性。

基于多传感器数据融合的早期林火识别

针对我国林火监测现状,为加强近地面监测中的早期林火发现,提出采用多传感器数据融合算法对早期林火进行识别的方法。通过设计林火仿真试验,采集CO2浓度、CO浓度、烟雾浓度与空气温湿度等多传感器数据,并通过初步分析从中选取关键贡献率传感器数据。然后分别采用BP神经网络算法、神经模糊系统算法与支持向量机算法对数据进行识别与分析,并在每个算法中均设置三输入与九输入2种不同输入向量数以进行比较。最后通过定义的识别性能评价参数对识别效果进行比较,得出支持向量机算法在一定范围内能较好地实现对早期林火的识别。

大坝变形预测的ANFIS模型

大坝变形预报时,存在影响因素多且各因素之间的相互关系复杂,常规的变形预测方法难以满足大坝安全监控的要求。自适应神经模糊系统(ANFIS)兼备神经网络的自学习、自适应能力,以及模糊系统良好的知识表达性能。在系统分析大坝变形主要影响因素的基础上,以水库库水位、温度及时间效应为影响因子,建立基于自适应模糊神经系统的大坝变形预测模型,并以三峡二期围堰为例进行实证分析。研究表明,该模型计算简便,适用性强,精度高,为大坝变形预报提供了新的思路。