地下水脆弱性评价的混沌模糊神经网络模型

建立了基于混沌优化算法的模糊神经网络评价模型。与单纯的模糊人工神经网络评价模型相比,具有更快的计算速度、更高的计算精度及更好的评价效果,同时该方法还具有良好的聚类效果。应用该模型对黑龙江省三江平原地下水脆弱性进行了评价,评价结果与前人评价结果相互吻合,可以为有关决策部门采取相应的措施以降低环境风险提供参考。

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。

混沌机制在T-S模型模糊神经网络的系统辨识研究

出一种 T- S模型的模糊神经网络 ,在通常 BP算法的基础上 ,引进混沌机制来训练模糊神经网络的权值参数。将混沌 BP算法应用于非线性系统建模 ,以求获得全局意义下的最优逼近。仿真研究说明了其有效性和良好的性质。

模糊神经网络模型混沌混合优化学习算法及应用

基于混沌优化的思想,提出一种新的模糊模型的优化学习算法.将模糊推理规则转化为模糊RBF网络模型,用模糊C均值(FCM)聚类算法和分区效验熵得到模型结构,用混沌变换序列寻优得到优化的中心初值群,用FCM获得最优聚类中心,最后获得模糊神经网络模型.将该方法应用于转炉终点磷含量预报模型,取得了较好的结果.

基于混沌神经网络模型的模糊预测控制及应用

由于混沌时间序列内部确定的规律性,其重构出混沌吸引子的相空间具有高精度短期预测性。为此,本文根据非线性、大时滞系统的时间序列及所得的Lyapunov指数规律,计算出系统的饱和嵌入维数和可预报尺度。并以此为指导,采用混沌神经网络重构混沌时间序列相空间,该混沌神经网络即便在网络输入不完整或发生变异的情况下,仍能对系统作高精度预测。在此基础上,又将预测模型与模糊控制相结合,提出了一种新型的模糊预测控制决策,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在单元机组负荷控制中,仿真表明该控制具有实时性、容错性和鲁棒性。

基于混沌模糊神经网络方法的短期负荷预测

针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.

城市污水量短时预测的混沌神经网络模型

通过分析进水水量时间序列的非线性动力学性质,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市污水水量短时预测的混沌神经网络模型;并利用此模型对污水厂的进水水量进行短时预测,取得了较为满意的预测效果.

基于混沌模拟退火神经网络模型的电力系统经济负荷分配

在传统混沌神经网络模型的基础上,提出了一种具有衰减混沌噪声的混沌模拟退火神经网络模型(CSA-DCN)。该模型结合了 Hopfield 神经网络(HNN)与模拟退火算法(SA)的优点,并引入通过 Logistic 映射迭代函数产生的衰减混沌噪声,从而使该模型可以有效地解决高维、离散、非凸的非线性约束优化问题。例如电力系统经济负荷分配(ELD)问题,在考虑网损、阀点效应的情况下,将该模型应用于解决 ELD问题。通过多个算例仿真计算表明,该模型的算法是可行和有效的。CSA-DCN 模型是一种适用性很强的优化模型,可以应用于电力系统或其它行业系统的优化问题中。

最优模糊神经网络参数的设计——混沌模拟退火学习法

提出了一种新型优化算法———混沌模拟退火学习法,将混沌算法和模拟退火算法相结合学习模糊神经网络的结构和参数。首先将混沌变量引入模糊神经网络参数的优化搜索中,利用混沌变量的遍历性寻优,根据性能指标寻找较优的模糊神经网络控制器,然后在混沌优化确定的网络基础上,把经混沌搜索后得到的全局次优解作为模拟退火学习算法的初始值,再用模拟退火方法进一步学习网络的隶属函数和权值参数,找到一个全局最优的网络。仿真结果表明:混沌模拟退火学习法优于传统优化方法,其控制结果具有精度高、超调小和响应快的优点,为解决模糊神经网络控制器参数全局最优设计提供了一种切实有效的方法。

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型．通过引入暂态混沌和时变增益，该网络比Ｈｏｐｆｉｅｌｄ型网络具有更加丰富和更为灵活的动力学特性，从而具有更强的搜索全局最优解或近似全局最优解的能力．它可以用于求解各种复杂的优化问题．大量的数字模拟表明网络能较好地解决Ｈｏｐｆｉｅｌｄ型网络的局部极值问题．

一种基于模糊神经网络的大气质量评价模型

基于模糊数学评价法和神经网络评价法的优点,提出了一种新的大气质量评价模型。该模型具有推理过程清晰,泛化能力好的特点。与其它评价方法相比,应用该模型进行大气质量评价不但物理意义明确,而且计算简单,评价客观,实用性强,评价结果还具有更好的可比性。

基于混沌优化神经网络的冲击地压预测模型

为了改进BP神经网络用于冲击地压预测的精度和泛化能力,利用BP算法和混沌优化算法优缺点的互补性,构建了一种组合式优化预测模型(COBP).将该模型应用于重庆砚石台煤矿冲击地压的预测,结果显示,该模型既利用混沌优化帮助BP算法克服了易陷入局部极值的缺点,又利用BP算法克服了基本混沌优化局部搜索能力有限和有时不能搜索到全局最优的缺陷.

一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统 ,然后提出一种基于模拟退火策略的混沌优化算法 ,将该算法引入模糊神经网络参数域中进行优化 ,实现混沌粗搜索与细搜索相结合优化目的 ,体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明 ,该方法能有效地实现模糊神经网络控制器参数优化 ,控制具有无振荡、超调小、调节时间短等优点 ,算法结构简单 。

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动,根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络,并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型,该模型在结构上为神经网络,具有混沌特性,在功能上是模糊系统；确定了模型的输出函数,并推导了模型的学习算法,仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。

基于参数动态调整的动态模糊神经网络的软件可靠性增长模型

利用遗传算法对动态模糊神经网络的自身参数进行动态调整(GA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。在对动态模糊神经网络进行训练的过程中,用遗传算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。利用3组软件缺陷数据,对用GA-DFNN建立的SRGM和模糊神经网络(FNN)以及BP神经网络(BPN)建立的SRGM的预测能力进行了比较,仿真结果证实,根据GA-DFNN建立的SRGM的短期预测能力稳定,短期预测误差小,且具有一定的通用性。

一类模糊神经网络结构的混沌优化设计

基于混沌变量,提出一种关于模糊神经网络结构的优化设计方法。将混沌变量引入模糊神经网络结构和参数的优化搜索中,使得模糊神经网络的规则数以及所有参数都处于混沌状态中,根据性能指标来寻找一个较优的网络。在线优化采用最小二乘法对去模糊化部分的权参数进行实时修正。仿真实验表明,基于混沌优化的模糊神经网络结构精简,控制精度高。

我国农机总动力需求的模糊神经网络预测模型

利用模糊神经网络建立了具有时间序列对象的预测模型，提出了相应的模糊化方法，并对我国农机总动力需求进行了预测。

模糊模式识别神经网络预测模型及其应用

提出了模糊模式识别神经网络预测模型，开辟了神经网络拓朴结构建模的新思路。模型的激励函数采用了模糊模式识别模型。最后给出中长期水文预测的应用实例。

多变量系统的模糊神经网络控制模型及其应用

本文综合模糊控制系统与人工神经网络的优点，提出了一种多变量系统的模糊神经网络控制模型并给出了其建模方法，该方法适合于多变量系统的建模及其模糊控制器的设计．笔者以此方法建立了渣贫化电炉生产过程的模糊神经网络控制模型并开发出相应的决策支持系统，该系统自１９９２年６月投入生产现场使用以来，一直稳定可靠地正常运行，取得了令人满意的效果和显著的经济和社会效益．

基于T-S模型的模糊神经网络城市需水量预测方法研究

针对需水量预测的非线性、随机性和模糊性等特点,引入模糊系统理论,建立了基于T-S模型的模糊神经网络需水量预测模型。该模型将模糊系统良好的模糊知识表达能力与神经网络强大的自学习和自适应能力有机结合,具有逼近最优、收敛速度快、训练时间短等优点。应用该模型预测了天津市2015年的需水量。结果表明,采用基于T-S模型的模糊神经网络方法进行需水量预测的拟合与预测平均相对误差分别为3.39%和2.67%。将该模型与BP神经网络和非线性回归方法的预测结果进行对比分析,该模型的拟合与预测精度最高。