光传感器输出信号的非线性变化拟合以及误差补偿研究

当前信号输出拟合方法无法描述其非线性变化特点,存在光传感器输出信号的误差比较大的问题,为了提高光传感器输出信号精度,设计了一种光传感器输出信号的非线性变化拟合以及误差补偿方法。分析当前光传感器输出误差补偿的研究进展,采集光传感器信号,采用神经网络对光传感器输出信号的非线性变化特点进行拟合和建模,引入粒子群算法对神经网络的参数进行优化,最后根据拟合结果对光传感器输出信号误差进行补偿。仿真测试结果表明,本方法可以高精度拟合光传感器输出信号的非线性变化特点,提高了光传感器信号的输出效果。

航行速度的非线性建模与仿真研究

舰船航行速度具有十分强烈的非线性变化特点,而当前舰船航行速度建模方法均只考虑其线性特性,使得舰船航行速度预测错误很大。为了提高舰船航行速度预测精度,提出一种航行速度预测的非线性建模方法。首先采用舰船航行速度的历史样本数据,建立舰船航行速度预测的训练样本集合,然后引入回声状态网络对舰船航行速度训练样本的变化规律进行描述,建立舰船航行速度预测模型,最后采用具体舰船航行速度数据对非线性建模性能进行测试。本文建模方法可以捕捉舰船航行速度强烈的非线性变化特点,舰船航行速度预测错误小,舰船航行速度预测精度要小于当前线性建模方法,而且降低了舰船航行速度建模的时间,具有比较显著的优越性。

物理压力下船体外侧抗压能力的非线性建模

物理压力下船体外侧抗压能力具有比较强的非线性变化特点,而当前物理压力下船体外侧抗压能力估计方法没有考虑该特点,使得估计误差大,为了提高物理压力下船体外侧抗压能力估计结果,设计一种物理压力下船体外侧抗压能力估计的非线性建模方法。首先收集物理压力下船体外侧抗压能力的历史样本数据,并采用灰色模型对物理压力下船体外侧抗压能力进行估计,然后采用神经网络对物理压力下船体外侧抗压能力进行估计,并通过加权对灰色模型和神经网络的物理压力下船体外侧抗压能力估计结果进行组合,最后进行物理压力下船体外侧抗压能力估计效果的验证性测试,结果表明,相对于其他方法,本文方法能够更加准确描述物理压力下船体外侧抗压能力的非线性变化特点,提高了物理压力下船体外侧抗压能力估计精度,具有一定的实际应用价值。

粒子群算法优化神经网络的旅游热门景点预测模型

旅游热门景点预测是当前旅游管理研究领域中的热点,针对传统旅游热门景点预测模型无法准确描述旅游热门景点的变化特点缺陷,为了提高旅游热门景点预测精度,提出基于粒子群算法优化神经网络的旅游热门景点预测模型。首先分析当前国内外对旅游热门景点预测问题研究方法,得到旅游热门景点具有较大非线性变化特点,这也是导致当前旅游热门景点预测错误大原因,然后引入非线性建模能力强的RBF神经网络描述旅游热门景点的非线性变化特点,并对RBF神经网络参数进行优化,建立最优的旅游热门景点预测模型,最后与传统旅游热门景点预测模型进行了对比测试,结果表明,粒子群算法优化神经网络可以更好的跟踪旅游热门景点变化规律,旅游热门景点预测精度要明显优于传统旅游热门景点预测模型,而且旅游热门景点预测效率也更高,能够满足旅游热门景点在线预测要求。