基于自适应模糊推理系统的汾河流域参考作物蒸散量模拟研究

【目的】有效提高缺少气象资料条件下汾河流域参考作物蒸散量(ET0)计算精度。【方法】选取汾河流域及附近7个气象站点1960—2017年逐日气象资料,根据不同气象要素组合,构建16种基于自适应模糊推理系统(ANFIS)的ET0模拟模型,并与Hargreaves-Samani、Irmak-Allen、Makkink模型进行比较,评价ANFIS模型在汾河流域的适用性及可移植性。【结果】(1)ANFIS模型能很好地展现ET0与各输入因子之间的非线性关系;仅输入Tmax、Tmin、Ra建立的ANFIS2模型模拟精度(平均R^(2)为0.882,平均NSE为0.876,平均RMSE为0.341 mm/d)能满足使用要求,随着输入气象要素数量的增加,模型模拟精度不断提高;(2)在输入因子相同时,ANFIS模型精度高于Hargreaves-Samani、Irmak-Allen、Makkink模型;(3)ANFIS模型在汾河流域具有很强的泛化能力和可移植性,不同分区建立的ANFIS模型相互移植时具有较高精度(平均R^(2)为0.983,平均NSE为0.978,平均RMSE为0.134 mm/d)。【结论】因此,在缺少气象资料时,基于自适应模糊推理系统建立的ET0模拟计算模型可作为汾河流域ET0计算的推荐模型。

基于自适应模糊推理和RBF网络的桥梁安全评估

为准确评估桥梁的安全性能,根据钢筋混凝土桥梁的结构特征,首先构建桥梁安全性评估指标体系,确定评估指标的分级标准;然后使用径向基函数神经网络(RBF)替代传统的BP神经网络,优化学习速度和适用范围;其次结合自适应模糊推理,建立基于自适应RBF神经网络-模糊推理的桥梁安全性评估系统;最后用该系统评估某钢筋混凝土桥梁的安全性能。示例分析结果表明,大量专家评估意见调查数据,可为评估系统提供足够的输入数据,学习后的系统的输出结果与专家的评估意见误差减小,可用于评估桥梁的实时工作状态。

基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化

为提高循环流化床(CFB)锅炉效率、降低污染物排放,利用国内某超临界CFB锅炉历史运行数据,基于自适应模糊推理辨识方法建立了锅炉效率、NO_x和SO_2排放特性的自适应模糊推理模型,提出了3种优化策略,使用果蝇优化算法对CFB锅炉运行工况的可调参数在一定范围内进行寻优,并进一步仿真验证了所提CFB锅炉燃烧优化方法的有效性.结果表明:该模型用时较短、误差较小,对CFB锅炉的节能减排有重要借鉴意义.

基于自适应模糊推理系统模型的径流中长期预报

介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象,研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响,并通过与人工神经网络模型的预报结果进行比较,显示本模型是中长期水文预报方法中较为准确的方法之一。

基于混沌理论的自适应模糊推理网络系统在径流时间序列预测中的应用

水文期预报对水资源管理、调度及社会的生产、生活具有十分重要的意义。针对常规混沌预测方法的局限性,提出基于混沌理论的自适应模糊推理网络系统的径流时间序列预报方法。该方法径流时间序列被分解为趋势项、周期项和随机项,对随机项进行混沌辨识,然后建立有自适应能力的神经网络模糊推理模型对随机项进行预测,最后将各项线性叠加进行径流预报。实例表明,该方法预测精度较高,具有良好的泛化推广能力。

冲天炉网形图重构的自适应模糊推理方法

网形图是指导冲天炉熔炼操作的重要工具。综合自适应模糊推理的建模功能和神经网络的学习能力 ,直接从实验数据中提取推理规则 ,建立了基于网形图的冲天炉熔炼过程模型。模型具有较高的预测精度和泛化能力 ,可以帮助操作者认识熔炼规律 ,据此得出的新型网形图使用起来更为方便快捷。

基于UKF的自适应模糊推理神经网络

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。

再生混凝土坍落度自适应模糊推理模型

坍落度是反映混凝土和易性的一个重要的指标,利用自适应模糊推理系统,建立了再生混凝土的坍落度预测模型。该模型输入层为再生混凝土的配合比数据,输出层为再生混凝土坍落度数据。采用建立的ANFIS模型对试验结果进行预测时,先对再生混凝土输入数据进行标准化处理,同时对预测结果与试验结果相比较。结果表明:所建立的再生混凝土的坍落度的ANFIS模型的预测精度高达97%以上;采用自适应模糊推理系统可以实现再生混凝土坍落度的准确预测,为再生混凝土的研究提供了一种新的方法。

基于改进自适应模糊推理系统的YG3硬质合金精密外圆磨削表面质量预测

为提高硬质合金材料精密外圆磨削的表面完整性和加工质量,研究其表面质量的预测技术,建立了基于自适应模糊推理系统(ANFIS)的YG3硬质合金精密外圆磨削表面粗糙度预测模型,并引入混合田口遗传算法(HTGA)对预测模型进行了改进。采用工艺试验中所用的磨削参数及相应条件下测得的表面粗糙度数据作为训练样本和测试样本,通过对BP神经网络模型、传统ANFIS预测模型及改进ANFIS预测模型的预测结果进行对比分析,对三种模型的有效性和预测精度进行了验证。结果表明,所提出的改进ANFIS预测模型从预测值相对误差Er的分布及均方根相对误差EMSRE的大小来看,均优于其他两种预测模型,预测精度较高,是一种有效的表面质量预测方法。

用自适应模糊推理系统预测电力短期负荷

为寻求有效的电力系统负荷预测方法以提高预测结果的准确度,提出了基于Takagi-Sugeno(T-S)模型的自适应神经模糊推理系统(ANFIS)。该系统采用减法聚类初始化模糊推理,把神经网络学习机制引入到逻辑推理中,并用混合学习算法调整前件参数和结论参数,自动产生模糊规则。考虑气象、日期类型等因素后将学习样本分为3组进行训练和检测。该方法对于受天气影响较明显的电网,能有效防止不合理预测结果的出现。对于武汉地区实际负荷的预测结果的分析表明该方法有较高的预测准确度,取得了令人满意的结果。

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型。利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数。经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%。仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟合能力强且诊断识别精度高,能够有效识别柴油机故障。

基于自适应模糊推理的平面形状控制模型的预报

为了使中厚板矩形化,减少切边量和切头尾量,提高成材率,平面形状控制成为解决其有效的方法。边部和头尾的预报模型是平面形状控制的基础,在已有的模型的基础上,分析边部和头尾变形的原因,根据实验数据,应用自适应神经模糊推理系统建立了边部和头尾的模型,并通过仿真验证了模型的正确性。

基于自适应模糊推理系统的隧道周边位移预测

在综合分析隧道周边位移影响因素的基础上,采用基于Takagi-Sugeno(T-S)模型的自适应神经模糊推理系统(ANFIS)建立了隧道周边位移预测模型。运用将军山隧道施工监控数据作为学习训练样本和测试样本,通过对预测模型的预测值与实测值进行对比来判断预测模型的稳定性。结果表明:自适应神经模糊推理系统预测隧道周边位移有较高的精度,可为隧道周边位移监控提供一种新的有效预测方法。

基于自适应模糊推理的电力变压器故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法进行有效的结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题,利用自适应神经网络的自学习功能,通过神经网络的学习确定了模糊规则和模糊隶属度。建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的实际运行状态。

结合自适应模糊推理和神经网络的物联网混合发电系统

为了较好地预测可再生能源的发电输出,对模型效率进行分析,在物联网系统的基础上,提出一种基于人工神经网络(ANN)与自适应网络模糊推理系统(ANFIS)的混合预测模型。首先,利用压电传感器、体热电转换器和太阳能板用于可再生能源发电,并将其连接到能量存储电路,以产出电能;然后,使用ESP8266模块连接数据和云服务器,利用ANN和ANFIS混合模型处理从可再生能源中生成的所有电能,将3个不同模块采集得到的数据集用于模型的训练和测试;最后,利用采集到的数据开发4个模型,通过均方根误差(RMSE)和相关系数(R;)分析模型的效率,以选择最合适的模型。实验结果表明,所提模型具有较好的RMSE和R;性能,其模糊信息较少,结果误差较小,具有一定的应用价值。

自适应神经模糊推理系统优化的快速上肢评估方法

传统方法对工作相关肌肉骨骼疾病风险评估的输入变量变化敏感性较低,导致风险评估输出结果的精确性和可靠性不足。为更加准确地进行人因工程风险评估,提出了基于自适应神经模糊推理系统的快速上肢评估方法(RULA)。首先,基于卷积神经网络对视频中人体工作姿势的关键点进行检测及识别,并计算关节角度;其次,基于自适应神经模糊推理系统对快速上肢评估方法进行改进,搭建工作相关肌肉骨骼疾病风险评估架构以解决评估不同姿势时获得相同评分的问题;再次,随机选取不同工作姿势的关节角度数据对网络进行训练和检测,调整基于自适应神经模糊推理系统和快速上肢评估方法的工作相关肌肉骨骼疾病风险预测模型的最佳参数;最后,选取关节角度数据集里的前15个工作姿势进行相关性验证,将结果与原始快速上肢评估方法的结果进行比较,应用树枝修剪工具的操作过程进行案例分析以实现风险得分的实时动态评估。结果表明,优化后的快速上肢评估方法比原始方法更敏感,验证了利用自适应神经模糊推理系统能够有效改进快速上肢评估方法并实时预测风险得分。

基于能量熵和自适应神经模糊推理系统的齿轮故障诊断

为了解决齿轮振动信号中出现噪声污染严重,故障特征信息提取困难的问题,提出了基于能量熵和自适应神经模糊推理系统(ANFIS)的齿轮故障诊断方法。将预处理后的振动信号作自适应噪声完备经验模式(CEEMDAN)分解,可获得不同尺度的本征模态函数(IMF);由于各IMF包含主要故障特征信息,且不同故障状态下各IMF分布有明显不同,因此通过计算能量熵来量化故障时频域特征,构造出表征模态分量信息的特征向量;以此输入ANFIS进行样本的学习和训练,在自适应调整网络参数和隶属函数后,获得最优ANFIS。实验结果表明:该方法诊断结果准确率近乎100%,可有效地识别故障类型。

基于自适应神经模糊推理系统及随机分形搜索算法的黄酒发酵过程建模与优化

黄酒酿造是多菌种混合发酵,具有产物多样的特点,已有的黄酒发酵过程模型是建立在主要生化反应基础上的发酵动力学模型,模型的精度和泛化能力尚不能满足工业需求。针对黄酒醪液中生成产物多样的特征,该文利用模糊系统的建模策略,将自适应神经模糊推理系统的单维度输出扩展到多维度输出,提出了多输出自适应神经模糊推理系统模型;然后针对该模型参数量大的特点,该文将莱维飞行和层次学习策略融入随机分形搜索算法,提出了层次学习随机分形搜索算法,用于模型参数的辨识与优化。仿真结果表明,该算法提升了模型的精度和泛化能力,实现了不同生产批次黄酒发酵状态的良好预测。

基于自适应模糊推理系统的慢性阻塞性肺疾病急性加重期证候特征研究

目的探讨慢性阻塞性肺疾病(COPD)急性加重期常见证候及其特征。方法收集4所三级甲等医院就诊的COPD急性加重期患者1046例,建立数据库。运用基于动态kehonen网络的神经模糊系统模型(简称模型)对数据库数据进行学习训练,获得最优模糊规则。模型通过Fisher-Iris数据检验其可靠性,再基于收集的临床资料挖掘结果 ,依据中医基础理论,获取COPD急性加重期常见证候特征,并通过测试数据检验其合理性。结果基于Fisher-Iris数据,获取3个模糊规则,采用测试样本检验,结果辨识率为94%。该模型用于临床数据获取的模糊规则为25个,对临床数据测试样本的辨识率为75.8%。通过规则转换明确了9个常见证候:痰瘀阻肺证、肺肾气阴两虚证、痰湿阻肺证、风寒束肺证、痰热壅肺证、肺肾气虚证、风热袭肺证、肺脾气虚证、表寒里热证。结论通过自适应模糊推理系统方法 ,获得了COPD急性加重期9个常见证候及其对应的主症、次症,说明此模型可用于中医证候特征研究。

基于经验模式分解和自适应神经模糊推理的风速短期智能预测混合方法

为实现风速的超前多步高精度预测,提出一种基于经验模式分解与自适应神经模糊推理的混合方法。该方法利用经验模式分解法对铁路风速进行多层分解计算以降低风速的强随机性,对分解后的各层风速数据分别建立自适应神经模糊推理预测模型并完成预测计算,最终加权各层预测值获得原实测数据的对应步数的预测结果。运用所提出的方法对青藏铁路某监控点的风速进行预测。研究结果表明:所提出的混合方法有效融合了经验模式分解法的信号细分性能和自适应神经模糊推理法的非线性追踪能力,混合模型的超前1步、2步、3步预测的平均相对误差分别为6.24%,11.11%和14.30%,体现出良好的非平稳信号预测性能。