基于ANFIS模型的草原土壤湿度预测

中国是一个资源大国,草地资源十分丰富,面积分布也在世界前列。草原生态系统不仅是维护我国生态系统稳定的重要屏障,同时还为我国的经济发展提供保障。近年来,快速发展的畜牧业使得草地退化严重,有的甚至出现了沙化现象。提供科学的草地管理方式迫在眉睫,故对土壤中的湿度预测对于草原的保护和开发具有重要的意义。本文对往年的统计数据进行分析,然后通过数学模型对2022、2023年的土壤湿度进行预测。首先对数据进行共线性分析,对于共线性强的数据采用Lasso回归的方法进行降维。之后用ARIMA时间序列方法对以往年月数据进行预测。最后建立输入(Lasso回归所筛选变量和土壤蒸发量变量)和输出(不同深度土壤湿度) ANFIS模型,对往年所测数据进行训练且整体数据集合训练拟合度均在85%以上,该模型的准确度较高。最后通过训练好的ANFIS模型预测2022年、2023年不同深度土壤湿度。

基于小波分解和ANFIS模型的赤道东太平洋海温集成预测

用小波分解和自适应神经模糊推理系统(ANFIS)相结合的方法,建立了赤道东太平洋海温的集成预报模型。该方法将复杂海温系统分解为相对简单的带通分量信号,然后建立分量信号的独立预报模型,最后对预报结果进行集成。试验结果表明,模型在保留预报对象主要特征的前提下,有效地降低了预报难度,集成预报准确率和预报时效均较传统方法有明显的改进和提高。

基于主成分分析法的ANFIS模型及其应用

利用泾惠渠灌区1981—2010年的地下水埋深数据,采用主成分分析法对影响地下水埋深的7个因子进行分析,结果表明降水量、蒸发量、渠灌引水量、地下水开采量以及渠井用水比5个因子作为主要影响因子,构造ANFIS模型,经训练后模拟结果与实际值较吻合,可以较精确地对未来的地下水埋深进行预测。

基于小波变换和ANFIS模型的不规则海浪组合预报

利用小波变换对不规则海浪进行多尺度一维小波分解与重构,得到相对简单、规则的准周期分量信号,然后建立了各信号的多输入、单输出自适应神经模糊推理系统(ANFIS)预报模型,最后对预报结果进行集成。基于Matlab语言的仿真结果表明,该方法不仅降低了预报的难度,而且具有较高的预报精确度。此方法亦可用于船舶横摇、纵摇、艏摇运动的预报。

小波-ANFIS模型在年最大洪峰预测中的应用

洪水的非线性变化特征使其预测结果在防汛指挥中难以让决策者实时有效利用,基于此,提出两种小波-ANFIS模型,将其应用于张家庄水库的年最大洪峰流量预测中,从而选出预测效果较好者。首先拟合1973—2002年的原始数据S,利用不同小波分解函数db5和sym8,分别对S信号进行尺度为4的分解,得到两组系列的低、高频信号;然后利用各低、高频信号对ANFIS模型进行训练,调试得到最佳模型并用来预测各低、高频信号在2003—2007年的信息;最后将各系列低、高频预测信号进行重构,即生成由sym8-ANFIS和db5-ANFIS模型预测的两个序列。经比较分析,sym8-ANFIS模型具有较快的收敛速度,且精度更高。

基于ANFIS模型的充填体抗压强度预测研究

以新城金矿充填尾砂为试验料浆,采用正交设计法设计试验方案,研究灰砂比、质量浓度、养护龄期对充填体抗压强度的影响规律。运用极差和方差分析结果,并采用ANFIS建立预测充填体抗压强度的模型。结果表明,灰砂比是影响充填体抗压强度的最重要的因素;ANFIS模型具有95.8%的预测精度,它是预测充填体抗压强度的一种有效方法。

基于应力ANFIS模型的电站锅炉寿命控制

本文利用有限元数值计算的结果作为训练样本 ,得到某 3 0 0MW电站锅炉的汽包应力自适应模糊网络 (ANFIS)模型。该应力模型继承了有限元数值的精度 ,并可以用于实时计算。利用该应力模型 ,本文探索了汽包启动初始升温率和汽包应力谷值之间的关系 ,给出了一个自寻优的启动优化算法。

围岩稳定性分类的ANFIS模型研究

结合传统的模糊理论和人工神经网络理论,运用ANFIS模型对锦屏二级水电站引水隧洞围岩进行了分类,并取得了一定的工程实际意义和理论价值,从而有利于指导引水隧洞的设计和施工。

基于ANFIS模型隧道交通量预测研究

交通量预测作为隧道通风照明控制节能的一个重要环节,对通风控制可以实现超前控制,从而节省部分电能,因此针对如何实现准确的交通量预测提出一种基于TakagiSugeno模型的ANFIS自适应模糊神经推理系统,它是以历史数据作为输入数据,利用模糊系统和神经系统相结合的优势对隧道小时交通量进行高精度的预测,利用Matlab软件建立ANFIS预测模型,作为对比,同时利用小波神经网络预测方法对同样数据进行训练,再对两种不同的预测性能加以对比分析,结果表明ANFIS(自适应神经模糊推理系统)的方法预测精度更高,有一定的现实意义。

ET_0预测的卡尔曼滤波修正ANFIS模型研究

实时、准确地对作物需水量的预测是实现智能节水灌溉的关键技术。预测模型的合理选择及精度提高是作物需水决策系统的核心。本文将陕西西安地区的气象数据环境信息引入自适应神经模糊推理(ANFIS)作物参考蒸腾量(ET_0)预测模型,应用卡尔曼滤波器对气象数据经ANFIS建模得到的ET_0预测值进行滤波去噪,以提高模型的预测精度,并通过仿真和实验验证,从理论和实践两个方面来验证模型的精度。仿真结果得到,反映模型预测值与真实值之间拟合程度的均等系数(EC)值校正前为0.93,校正后达到0.98。实验结果得到,ANFIS预测模型的平均绝对误差是28.94%,平均相对误差是26.37%,卡尔曼修正后的ANFIS预测模型的平均绝对误差是7.24%,平均相对误差是6.59%。仿真和实验结果表明,利用卡尔曼滤波对ANFIS预测模型进行修正,可以提高预测的精度,经卡尔曼修正后的ANFIS模型能更佳地反映ET_0的变化趋势。

基于ANFIS模型的光伏电站辐照度超短期预测

辐照度是影响光伏(PV)电站发电量最重要的气象因素。提出了一种新的基于自适应模糊推理系统(ANFIS)的辐照度超短期预测方法。首先,利用地外辐照度理论值来对历史观测辐照度时间序列值进行归一化处理,形成输入输出样本对后利用ANFIS模型建模;然后,采用减法聚类确定ANFIS模型的规则数和初始参数,并采用反向传播算法和最小二乘法优化模糊模型参数;最后,通过循环预测法实现对未来4h的辐照度预测。基于MATLAB的实验结果验证了该方法具备良好的预测精度,从而为发电功率的超短期预测提供了可行的解决途径。

基于ANFIS模型的盘式制动器制动最高温度预测

本文介绍了一种盘式制动器制动最高温度预测方法。基于自适应神经模糊推理系统的原理给出了预测模型建模的流程,采用非线性函数对影响ANFIS模型预测结果的影响因素进行了探究,指出了各个影响因素对预测结果的影响。基于上述理论基础,建立了盘式制动器制动最高温度预测模型,通过优化影响预测精度的参数,搭建了用于制动器最高温度预测的系统。预测结果表明:该系统可以很好的对不同结构尺寸的盘式制动器制动最高温度进行预测。

基于改进的ANFIS模型河道堤防力学参数计算研究

采用改进的ANFIS模型对河道堤防力学参数进行计算,并结合堤防原位观测数据对模型进行验证。验证结果表明:相比于改进前,改进后模型在堤顶下降以及周边位移值的计算误差分别减少13. 3%和16. 7%。研究结果对于河道堤防力学参数设计具有重要的参考依据。

ANFIS模型在中小河流整治工程力学参数反演中的适用性分析

以辽宁省某中小河流整治工程为实例,采用ANFIS模型对其堤防力学参数进行反演,并对模型的适用性进行分析。结果表明:ANFIS模型通过建立各参数和边坡位移及堤顶下沉量之间的映射关系进行参数反演,反演后推算的周边位移及堤顶沉降误差均可满足《堤防工程设计规范》(GB50286—98)要求,模型可用于辽宁地区中小河流堤防设计参数的选取。

基于ANFIS模型的用户心理情感动态判断系统设计

针对传统书面测试系统、计算机独立测试系统程序分布式不均匀,导致系统判断结果精准度较低的现状,提出了基于ANFIS模型的用户心理情感动态判断系统设计。在系统架构支持下,设计系统用户层,并从界面图像自定义、信息显示形式及直观效果3个方面设计系统界面。将数据逻辑操作封装在业务逻辑层之中,通过SQL Server 2005数据库管理系统。对5层ANFIS模型节点含义展开分析,计算总输出结果。构建数据库,分隔客户端和服务端,使程序分布式均匀,设计心理情感动态判断流程。由实验结果可知,该系统在1~4分评定标准下,与实际评定结果一致,具有精准判断效果,有益于促进用户心理健康信息化建设。

改进的ANFIS模型在河道堤防物理力学参数反演计算中的应用

文章结合自适应函数对传统ANFIS模型进行改进,并将改进的ANFIS模型对辽宁西部某中小河流河道堤防的物理力学参数进行反演计算,并结合正交试验确定模型计算的训练样本,确定改进的ANFIS模型岩石力学参数反演的映射结构,同时结合河道堤防原位监测的位移数据,对改进前后的模型参数反演误差进行了对比分析。结果表明,改进的ANFIS模型可提高河道堤防参数反演精度,相比于传统模型,改进模型的参数反演计算堤顶下降以及周边位移和监测位移之间的误差分别减少14.8%和18.6%。研究成果可在河道堤防参数设计中进行推广和应用。

基于ANFIS的汽车发动机振动参数故障诊断云模型

为解决汽车发动机振动参数故障问题,采用自适应神经模糊推理系统(ANFIS)建立故障诊断模型,利用减法聚类方法确定模型初始结构,并采用云模型优化模型接口参数。实例建模对比分析,引入云模型后的ANFIS模型的识别率从88.75%提高到99.68%,训练误差也从0.12021降低至0.11526。试验表明引入云模型后该模型收敛速度快,拟合能力强且诊断识别精度高,能够有效识别汽车发动机振动参数的故障。

ET0影响因素及ANFIS预测模型研究

作物参考蒸腾量(ET0)是作物生长过程中一个非常重要的数据,ET0反应的是大气蒸发能力与作物需水信息的关系。采用自适应神经模糊推理系统(ANFIS)研究易于获得的日最低气温、日最高气温、日平均气温、日平均相对湿度、实际日照时长及风速六项气象数据对作物参考蒸腾量(ET0)的相关程度,通过比较均方根误差找到相关程度最大的组合且结构简单的ANFIS模型来预测ET0值,并通过比较均方根误差来验证所建立的ANFIS模型预测的准确性。结果表明,综合考虑模型的预测精度及结构的复杂程度,日最高气温、日平均相对湿度和风速的三输入组合为最佳的,其平均绝对误差小且ANFIS结构简单。利用该输入组合训练的ANFIS模型预测ET0,其训练的均方根误差相比于用神经网络训练的预测模型小,通过比较可知ANFIS比BP神经网络训练的模型精度提高。

基于ANFIS的水环境质量参数COD预测模型研究

水质预测是水环境安全管理的重要方式和手段。以浑河大伙房水库库口地表水为检测对象,建立ANFIS预测模型对该河段水体COD含量进行了预测研究,结果显示模型预测值和实际值之间具有良好的拟合性,说明模型本身具有较好的预测能力和准确性。

基于粗糙集和ANFIS相结合的配电网故障诊断方法

为了提高配电网故障诊断的准确性和效率,提出了将粗糙集与自适应神经网络模糊系统(adaptive neuro-fuzzy inference system,ANFIS)相结合构建粗糙集和神经网络的智能混合诊断系统,以充分利用粗糙集理论对知识的约简能力和神经网络的容错学习能力.通过粗糙集理论中的信息熵概念对诊断系统输入变量进行合理选择,即选取与故障诊断信息相关性大的参数作为输入,然后利用ANFIS进行建模和参数辨识,并通过训练样本进行学习训练,这样既减少了神经网络的学习训练时间,又提高了诊断的准确度.用该方法对某一实际配电网进行了故障诊断,结果表明:该方法计算速度快,具有良好的容错性能和在线故障诊断潜力.