利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018-2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进...利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018-2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进行训练和测试,建立自组织数据处理的群方法GMDH(group method of data handling)神经网络模型并应用于雷电活动的预警。结果表明:30~60 min GMDH神经网络模型预测值和实测值相关系数(R)在0.7~0.85之间,经过小波变换处理后的大气电场数据预测准确率更高,预测值与实测值的相关系数接近于1,均方误差、均方根误差以及准则值(P)均可控制在5%以内;借助提前获取的大气电场预测数据,通过大气电场强度剧烈的脉冲变化可以预示着雷电活动的发生,有效地提高雷电预警的准确率和时效性。展开更多
本文提出基于改进自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于混沌预测。一般的GMDH型神经网络的自组织功能是通过给定一个准则阈值来确定或直接给定数值来实现,但GMDH型神经网络的自组织准则的阈值难以合...本文提出基于改进自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于混沌预测。一般的GMDH型神经网络的自组织功能是通过给定一个准则阈值来确定或直接给定数值来实现,但GMDH型神经网络的自组织准则的阈值难以合适确定,由此提出了一种简单的自组织方法来实现真正意义上的自组织功能。这种用改进了的自组织方法所构成的GMDH型神经网络可以应用于混沌时间序列预测。通过仿真实验,证明其预测效果明显比基本的GMDH型神经网络好,即改进GMDH型神经网络优于基本的GMDH型神经网络。展开更多
为预测出菇房内环境性能指标,采用CFD建立菇房模型并通过试验数据验证仿真结果准确性,对比可知温度的平均相对误差为4.9%,引入温度均匀性指标,设计正交试验进行CFD数值模拟,利用模拟数据训练GMDH(group method of data handling,数据处...为预测出菇房内环境性能指标,采用CFD建立菇房模型并通过试验数据验证仿真结果准确性,对比可知温度的平均相对误差为4.9%,引入温度均匀性指标,设计正交试验进行CFD数值模拟,利用模拟数据训练GMDH(group method of data handling,数据处理组合法)型神经网络,最后得出温度均匀性指标的预测模型。分析结果表明,预测值与CFD仿真值相关系数达到0.942 5,平均绝对误差仅为0.042,预测精度较高,为出菇房的进一步优化提供可靠依据。展开更多
采用数据分组处理(Group Method of Data Handing,GMDH)的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预...采用数据分组处理(Group Method of Data Handing,GMDH)的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP(Back-Propagation,BP)前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求.展开更多
文摘利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018-2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进行训练和测试,建立自组织数据处理的群方法GMDH(group method of data handling)神经网络模型并应用于雷电活动的预警。结果表明:30~60 min GMDH神经网络模型预测值和实测值相关系数(R)在0.7~0.85之间,经过小波变换处理后的大气电场数据预测准确率更高,预测值与实测值的相关系数接近于1,均方误差、均方根误差以及准则值(P)均可控制在5%以内;借助提前获取的大气电场预测数据,通过大气电场强度剧烈的脉冲变化可以预示着雷电活动的发生,有效地提高雷电预警的准确率和时效性。
文摘本文提出基于改进自组织方法的GMDH(Group Method of Data Handling)型神经网络并将它应用于混沌预测。一般的GMDH型神经网络的自组织功能是通过给定一个准则阈值来确定或直接给定数值来实现,但GMDH型神经网络的自组织准则的阈值难以合适确定,由此提出了一种简单的自组织方法来实现真正意义上的自组织功能。这种用改进了的自组织方法所构成的GMDH型神经网络可以应用于混沌时间序列预测。通过仿真实验,证明其预测效果明显比基本的GMDH型神经网络好,即改进GMDH型神经网络优于基本的GMDH型神经网络。
文摘为预测出菇房内环境性能指标,采用CFD建立菇房模型并通过试验数据验证仿真结果准确性,对比可知温度的平均相对误差为4.9%,引入温度均匀性指标,设计正交试验进行CFD数值模拟,利用模拟数据训练GMDH(group method of data handling,数据处理组合法)型神经网络,最后得出温度均匀性指标的预测模型。分析结果表明,预测值与CFD仿真值相关系数达到0.942 5,平均绝对误差仅为0.042,预测精度较高,为出菇房的进一步优化提供可靠依据。
文摘采用数据分组处理(Group Method of Data Handing,GMDH)的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP(Back-Propagation,BP)前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求.