基于遗传算法优化神经网络的中期负荷预测

针对某地中期电力负荷预测,BP神经网络因其强大的非线性映射能力被广泛应用于负荷预测。但BP算法本身存在一些缺陷,如易陷入局部最小值和较慢的收敛速度。而遗传算法以其优秀的全局搜索能力可以很好地解决这一问题,利用GA的全局优化能力,对BP网络的初始连接权重和偏置值进行系统的调整,从而显著减少了网络在学习过程中落入次优解的可能性,提升了收敛速度。研究结果表明,相较于单一的BP神经网络和其他对比模型,该集成模型在预测精度和稳定性方面均有显著提升。

遗传算法优化神经网络用于大气污染预报

大气污染预报可以对大气污染提出警示,保护人体健康和生活环境.为了对北京市PM10的质量浓度进行预报,建立了用于大气污染预报的遗传神经网络模型,该模型运用遗传算法优化神经网络的权值和阈值,有效提高了网络的收敛性和预报准确率.用改进后的神经网络对北京市PM10的质量浓度进行了模拟,并将模型模拟结果与美国第3代空气质量模型Models-3(CMAQ)的数值模拟结果进行了比较.实验结果表明:遗传神经网络模型和数值模型的模拟结果的平均相对误差分别为0.21和0.26,用于空气污染物质量浓度短期预报时,神经网络模型的预测精度与数值模型的预测精度相当.对于没有条件开展空气污染数值预报的城市或地区,神经网络是一种有效的替代方法.

旋转机械的遗传算法优化神经网络预测模型

趋势预测是实现旋转机械先进的预知维护的关键技术,神经网络模型预测是实现趋势预测的新途径。当前旋转机械状态预测神经网络对环境的适应性较差、预测精度较低。针对这个问题,提出了一种在线自适应趋势预测方法。利用遗传算法(GA)的并行搜索能力对BP网络结构参数进行动态优化。改进后的预测模型能够根据不同条件对结构参数进行动态优化,取得了较理想的在线预测效果。

用遗传算法优化神经网络初始权重的方法

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,通过采用遗传算法优化网络初始权重的方法,将遗传算法和BP算法有机结合,做到了优势互补,并在提高洪水智能预报精度,特别是提高洪峰预报精度的研究中得到了很好的应用。在珠江流域西江洪水预报系统中,以历史水文资料进行检验的结果表明,洪峰时段的预报精度明显高于平水期的预报精度,证明了这种方法的有效性和可靠性。

自适应遗传算法优化神经网络的入侵检测研究

入侵检测是一种动态的安全防护技术,能够对网络内部、外部攻击进行防御。基于神经网络的入侵检测是常见的智能入侵检测方法。针对神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出了一种将神经网络和遗传算法相结合,用遗传算法优化神经网络权值,在遗传算法优化神经网络时采用自适应遗传操作。将自适应遗传算法优化神经网络算法应用于入侵检测系统中,实验结果表明,该方法能够有效的提高系统的检测率,降低误报率和漏报率。

用遗传算法优化神经网络结构

本文介绍了一种用遗传算法对神经网络和连接权值同时优化的方法。该神经网络的神经元节点可以一定程度地反馈连接,再通过基因链矩阵把神经网络的结构完整地表示。遗传进化学习后,最优个体即是结构最优的神经网络。使用该方法可以设计出结构未知的神经网络。本文最后对XOR问题进行了计算。

遗传算法优化神经网络权值盲均衡算法的研究

将遗传算法与神经网络盲均衡算法相结合,提出了两段式优化神经网络权值的方案。首先利用遗传算法全局搜索能力强的特点优化初始权值,然后发挥BP算法局部搜索速度快的特点得到最佳权值。经计算机仿真表明,该算法与传统BP神经网络盲均衡算法相比,收敛速度加快,稳态剩余误差减小,误码率降低。

基于遗传算法优化神经网络的光伏电站短期功率预测

针对现有光伏发电预测的不足,基于遗传算法(GA)和神经网络(BP)算法构建光伏电站功率预测模型,并使用组合权重法遴选相似日对模型进行修正。采用新疆某光伏电站运行实例验证模型的有效性,并对比BP-GA模型与单一BP模型的预测误差。结果表明,BP-GA模型克服了传统单一BP模型的不足,具有较高的预测精度,可为光伏发电预测工程实践提供参考。

遗传算法优化神经网络及信用评价研究

研究关于公司神经网络信用评估问题的现状,提出遗传算法辅助网络训练策略(优化后的网络称为进化网络),克服传统网络建模中产生的局部极小缺陷。建立了适合于我国商业企业的信用评分指标体系;然后依据该指标体系建立了基于进化神经网络的信用评估模型;最后,利用样本公司实际指标数据对该模型的评分效果进行了比较研究。

基于遗传算法优化神经网络的多源信息融合室内定位方法

为了解决复杂室内环境中单一定位技术误差较大的问题,提出了一种基于遗传算法优化BP神经网络的多源信息融合室内定位方法。首先利用Wi Fi定位结果约束地磁匹配范围进行组合定位,降低误匹配率;再采用遗传算法寻找网络全局最优解对BP神经网络的初始权值和阈值进行优化,提升网络精度并加快收敛;使用优化后的网络对组合定位结果和推算定位结果向真实位置坐标方向训练融合,得到最优定位结果。数据显示,经遗传算法优化后BP神经网络预测均方误差降低了约75%,融合定位精度较单一定位方式定位精度平均提升约47%。结果表明,所提的方法可有效提升定位精度,具有更优的定位性能。

采用改进遗传算法优化神经网络的双目相机标定

针对传统BP神经网络在双目相机标定过程中存在的迭代时间长、精度低等问题,提出了基于改进遗传算法优化BP神经网络的方法来完成双目相机标定。使用融合多格算法的Trajkovic算子进行角点检测,利用点对点空间映射和网格运动统计相结合的方法完成同名角点匹配,在此基础上,提取同名角点的像素值并计算其实际的三维坐标值。对遗传算法的交叉和变异概率及选择算子进行改进,利用改进后的遗传算法对BP神经网络进行优化,将像素值和三维坐标值分别作为BP神经网络的输入和输出,进而完成双目相机的标定。实验结果表明:优化前后的平均标定预测精度分别为0.66 mm和0.08 mm,其平均标定预测精度提高了88%。优化前后的标定测试迭代次数分别为736和169,优化后迭代速度提高了3.4倍。改进遗传算法优化BP网络在双目相机标定过程中取得较好的效果,满足了双目相机标定的要求。

基于遗传算法优化神经网络的产品造型设计评价

为全面科学地评定、筛选最佳设计方案,借助遗传算法的全局寻优能力对BP神经网络进行优化,构建混合GABP算法,并将其应用于笔记本产品造型设计评价中。在建立笔记本造型二级指标评价体系的基础上,利用18款设计方案中的15款对混合GA-BP评价系统进行训练,利用其余3款设计方案对训练后的系统进行验证。验证结果表明,模拟值与实际值的相对误差分别为3.6%、-1.7%和2.8%,显示了较高的精度,反映了混合GA-BP产品造型设计评价系统能对设计方案进行科学的评价。

遗传算法优化神经网络的拓扑结构与权值

遗传算法(GA)和人工神经网络(ANN)的相互结合有辅助式和合作式两种方式.本文在此基础上提出了融合、BP_GA和GA_BP三种算法,并采用GA_BP算法同时优化BP神经网络的结构、权值和阈值,研究和实现了一套先进的编码技术和进化策略,克服了传统BP神经网络经验尝试方法的盲目性.实例优化与检验结果表明:遗传算法优化获得的神经网络比由经验尝试法得到的BP网络性能更优异,方法更合理.

基于遗传算法优化神经网络的光伏发电预测

针对光伏发电系统输出电能随机性对电力系统的影响问题,对光伏输出功率预测方法进行了研究,提出了基于遗传算法优化BP神经网络的光伏预测模型。对光伏发电系统的历史发电量数据和气象数据进行了数学归纳,分析了天气类型、温度、太阳辐射强度等因素对光伏发电功率的影响。建立了基于遗传算法优化的神经网络光伏发电预测模型,提前一天进行了功率预测,且通过动态修正进一步提高了模型预测精度。运用Matlab为神经网络与遗传算法工具箱,对训练好的模型在不同日类型下进行了测试和评估,并与传统神经网络预测结果进行了对比分析。研究结果表明,利用遗传算法优化方法提高了神经网络模型预测光伏输出功率的精度,预测结果与实测结果之间的平均误差百分比减小,预测方法具有工程应用意义。

最小风险准则和遗传算法优化神经网络

提出了一种基于最小平均风险准则的遗传算法优化设计前向神经网络的方法,遗传算法的适应度函数并不采用传统的均方误差准则,而是由平均风险准则所决定。这种方法在计算神经网络输出与期望输出之间误差的同时,还要考虑神经网络对不同类型训练样本产生的这种误差所引起的不同的风险损失。这种方法优化得到的神经网络不仅可以准确地再现训练样本集合的期望输出,对训练样本集合外样本的正确预测能力也有明显的提高。

基于遗传算法优化神经网络权值的损伤识别

针对传统BP神经网络存在着容易陷入局部极小点、训练时间太长等缺点,采用基于浮点编码的遗传算法对BP神经网络的初值空间进行遗传优化。用基于浮点编码的遗传算法来优化BP神经网络的权值,得到最佳初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习。以弹簧质量系统作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量。对网络进行训练,仿真结果表明:遗传BP神经网络的收敛和诊断能力优于传统BP神经网络,可有效运用到结构的模态参数识别中。

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径(Mean volumetric diameter,MVD)和液态水含量(Liquid water content,LWC)是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。

基于遗传算法优化神经网络的直驱式风力发电机变频器故障诊断研究

针对直驱式风力发电机变频器的易故障性和故障难以识别定位的问题提出一种智能的变频器故障诊断方法。在分析直驱式风力发电机及全功率因数变换器数学模型的基础上讨论了变频器的故障机理和常见的故障分类,结合PSIM软件建立能模拟各种全额变频器故障的直驱式风力发电系统仿真模型并获取仿真结果 ,在MATLAB下设计一个基于神经网络的故障诊断系统并运用遗传算法优化神经网络初始权值、阀值以此提高变频器故障诊断系统的性能。

基于遗传算法优化神经网络的管道泄漏检测方法研究

介绍了遗传算法的基本思想和操作原理,并对遗传算法优化神经网络的方法进行阐述,重点分析了遗传算法对神经网络的网络连接权和阈值的优化。将遗传算法与神经网络相结合应用于管道泄漏检测中,该算法既有神经网络的学习能力和鲁棒性,又有遗传算法的很强的全局搜索能力,能够快速准确地识别管道泄漏。通过试验进行对比,证明遗传算法优化后的神经网络效果更好。

基于遗传算法优化神经网络的多用户检测

利用遗传算法全局搜索能力强和反向传播(BP)算法局部搜索速度快的特点,采取两段式训练方法,既避免陷入局部最小,又加快收敛速度。提出基于遗传算法优化神经网络权值的多用户检测算法。采用实数编码方式,将传统神经网络的能量函数作为适应度函数,选择算子选用轮盘赌算子,交叉算子选用单点交叉算子,变异算子选用正态变异算子。仿真结果表明,该算法的误码率、信干比和信道跟踪能力等方面的性能与传统前馈神经网络多用户检测算法相比均有一定的改善。