混合智能算法改进Elman模型的生物氧化釜多传感器系统故障诊断研究

生物氧化提金是一种新型的冶金工艺,该过程中需要用到多种传感器采集工艺数据,为氧化预处理过程的调节提供数据参考。传感器如果发生故障导致传输错误的数据,将会影响反应釜内的环境调节。文中主要对生物氧化提金系统中的多传感器系统进行故障诊断研究,首先提出一种SOA-PSO混合智能算法模型;然后使用4种标准测试参数进行实验,得出该混合智能算法有效;最后采用所提算法对Elman故障诊断模型的权值阈值进行寻优,建立SOA-PSO-Elman智能故障诊断模型。与PSO-Elmam模型和AFSA-PSO-Elman模型进行实验对比,仿真结果表明,SOA-PSO-Elman智能故障诊断模型可行有效。

基于相似日和MDS-PSO-ELman的光伏功率超短期预测

光伏电站系统输出功率受环境因素影响较大,具有很大的不确定性,对并网安全稳定运行具有重大影响,为此提出了一种基于MDS-PSO-ELman搭建的功率预测模型。首先,通过灰色关联度选取相似样本日,然后通过MDS给数据降维,提高数据分类的准确性并消除冗余数据。最后,针对ELman神经网络预测模型权值和阈值盲目随机的缺点以及局部最优化选择问题,采用PSO优化预测模型初始参数。同实际光伏发电系统功率相比,该研究模型能够有效预测各天气类型下的光伏发电输出功率且精度较高。

基于Elman神经网络的传感器补偿算法研究

为消除随钻测斜仪中的传感器由于受温度、湿度等非目标参量影响,提高随钻测斜仪的测量精度和工作稳定性,采用Elman神经网络,用LM算法对其进行训练,并将其应用到随钻测斜仪的传感器补偿中。仿真结果表明,精度可达10-7,比原来提高了4个数量级,提高了随钻测斜仪的测量精度和稳定性。该方法补偿速度快,补偿效果好,可以应用于其它各类传感器的补偿中。

基于模糊Elman网络算法的移动机器人路径规划分析

为了调正移动机器人避障线路,建立了基于模糊Elman网络算法的移动机器人路径规划模型,并应用进行Matlab仿真分析。利用现有障碍物的距离信息来实现机器人步长的实施可控制与调节,防止移动机器人在做出准确避障行为之后因为没有设定合适的步长而导致撞上障碍物,以0.5作为机器人的最初运动步长。仿真结果表明,采用模糊Elman网络可以获得比其它两种方法更优的路径规划效果,同时对障碍物进行高效避让,由此实现最优的路径规划。采用模糊Elman网络来构建得到的路径规划算法能够满足规划任务的要求,同时还能够根据机器人处于不同工作空间中的情况进行灵活调整。

基于Elman型回归神经网络的公交客流预测

文章将动态回归神经网络(Elman)预测方法应用于城市公交客流量的预测,通过对合肥市公交量的历史数据分析得到公交客流量的时间序列,将时间序列视为一个从输入到输出的非线性映射,对网络进行学习与训练仿真实验,并与BP神经网络输出结果进行了比较,并对网络模拟结果和历史数据进行了线性回归分析,求得一定的相关系数。结果表明,应用Elman神经网络方法比BP神经网络对公交客流量进行短期预测,预测精度高及效果好。

基于Elman神经网络的房地产市场预警模型研究

将神经网络技术和房地产市场分析预测相结合,建立了基于BP与Elman神经网络的实时动态的房地产市场泡沫预警模型,并以房地产市场数据为对象进行了预警模型的研究,并与BP网络的评价结果作了比较。结果表明:该模型具有很好的预测潜能和广泛的应用前景,用Elman神经网络进行评价的结果比BP网络的评价结果更加精确。对解决房地产市场预警系统的非线性问题,为寻找更科学的房地产市场分析预测方法提供新的途径。

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练,并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明:所建的Elman模型比BP模型的预测精度高,效果好。

基于storm云平台的电力信息系统实时监理的研究

为解决电力信息系统工程监理质量控制过程中各要素不能实时处于受控状态的问题,利用蝙蝠算法对Elman神经网络的初始权值和阈值优化,并结合storm云平台,构建了电力信息系统工程监理实时分析预测模型。通过案例分析与标准的Elman神经网络模型对比,表明该模型具有更高的预测准确度和较快的收敛速度,能够有效地应用于电力信息系统工程监理质量控制中。

短期电力负荷预测研究

电力系统负荷预测通过对历史数据分析,预测未来需求。本文先用小波聚类对数据进行负荷分类,再分别用经典的遗传算法、Elman神经网络算法、小波-神经网络算法和组合智能算法建立预测模型。通过比较以上几种短期电力负荷预测模型的仿真结果,验证了混合智能算法可以大大增强负荷预测结果的准确性和可靠性,具有良好的应用前景。