基于Levenberg-Marquardt方法的内蒙古及邻区地震烈度影响场改进技术

在收集和整理内蒙古及邻近地区1940年以来M_S4.0以上历史震害资料的基础上,对研究区域进行合理分区,选取65次中强地震事件的152条等震线数据,利用椭圆烈度衰减模型,采用Levenberg-Marquardt非线性反演方法,建立内蒙古及邻区的分区地震烈度衰减关系,通过与地震灾害评估系统使用的华北地区地震影响场模型进行对比分析,综合分析研究认为,建立分区烈度衰减关系更符合研究区域地震灾害的地域性特点,对于地震灾害快速评估具有重要的参考意义。

基于混合双层自组织径向基函数神经网络的优化学习算法

针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。

快速收敛的BP神经网络算法

以标准BP算法为基础,应用Levenberg Marquardt最优化方法,提出了一种快速收敛的BP算法———LMBP算法。经实验验证并与标准BP算法及其它改进形式比较,LMBP算法大大提高了收敛速度,而且性能稳定。这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大,所需计算机内存大,不适合大型网络的计算。

基于LMBP的烟台四十里湾赤潮预测模型

针对赤潮发生的突发性及非线性等特点,提出了基于LMBP神经网络(Levenberg–Marquardt Back-Propergation Neural Network Algorithm)的赤潮预测模型。通过多组对比实验构建了最优的LMBP神经网络模型,并将该模型与标准BP网络模型进行了对比实验,对比结果证明了LMBP模型在收敛速度和拟合精度上的优越性。进而对该赤潮预测模型进行了测试,其结果充分表明:以叶绿素a,透明度为输入的该LMBP神经网络模型对烟台四十里湾海域的赤潮预测是有效的。目前,该模型已经进行了应用实验,实时预测效果良好。

BP神经网络快速收敛算法研究

以标准 BP算法为基础 ,应用 L evenberg- Marquardt优化算法 ,提出了一种快速收敛的 BP算法——L MBP算法。仿真结果表明 ,与标准 BP算法及其他改进形式比较 ,L MBP算法收敛速度大大提高 ,稳定性并未降低 ,这为 BP神经网络应用于实时性要求高的场合 (如在线检测 )提供了算法基础。该算法的缺点是计算量大 ,所需计算机内存大 ,不适合大型网络的计算。

计及负荷特性的电压暂降随机预估

提出一种改进的电压暂降随机预估方法,并应用于具有多项式负荷模型的配电网评估中。该方法按照系统不同故障时的节点功率方程建立统一的牛顿型迭代方程,针对牛顿法不能保证迭代可靠收敛的问题,采用可变步长的Levenberg-Marquardt(LM)方法计算得到4种故障类型下的电压暂降域及评估指标。IEEE30节点系统的计算证明了考虑负荷模型的必要性以及所述方法的有效性。

机动发射的弹道导弹飞行诸元的快速计算

基于解析预报与数值寻优相结合的方法,本文研究机动发射的弹道导弹飞行诸元快速设计问题.首先,利用线性回归方法建立了导弹诸参数与发射信息之间的多项式拟合关系式,利用该式可以得到飞行方案诸参数迭代初值;然后,以弹道落点纵向偏差、横向偏差及弹道顶点高度偏差平方和极小为指标函数,采用Levenberg-Marquardt方法搜索诸参数精确解;最后,以民兵III弹道导弹为例,对所提方法进行了仿真验证,研究结果表明,该方法计算量少,适合已定参数的导弹大范围机动发射的快速计算,且在落点精度要求不高的情况下,可以用解析表达式的解作为弹道飞行方案诸元的值,对目标进行打击.

求解非线性方程组的一种新的全局收敛的Levenberg-Marquardt算法

本文提出了求解非线性方程组的一种新的全局收敛的Levenberg-Marquardt算法,即μk=ακ(θ||F_k||+(1-θ)||J_k^TF_k||),θ∈[0,1],其中ακ利用信赖域技巧来修正.在不必假设雅可比矩阵非奇异的局部误差界条件下,证明了该算法是全局收敛和局部二次收敛的.数值试验表明该算法能有效地求解奇异非线性方程组问题.

基于BP神经网络的流凌开河日期预报模型应用

依据开河机理,结合松花江某水文站的历史资料,建立了该站开河日期预报的BP神经网络模型.应用Levenberg-Marquardt算法改进了BP算法,采用循环递进的方法建立了实用预测模型.经实际流凌开河日期预报的验证表明,循环递进方法建立的实用预测模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,预测精度高,合格率为100%.

智能断路器抗EFT/B干扰滤波器设计

为了提高智能断路器抗电快速瞬变脉冲群(EFT/B)干扰性,依据EFT/B形成和作用机理分析,建立EFT/B干扰源等效电路模型,给出电路状态方程;基于泰勒展开公式,提出了一种Lev-enberg-Marquardt优化扩展卡尔曼滤波算法,给出了方法的理论推导过程,并通过EFT/B干扰电流互感器系统仿真实验,给出了该方法与扩展卡尔曼滤波(EKF)仿真结果,并分析了跟踪性能和均方根误差。实验结果表明:改进的卡尔曼滤波器(NIEKF)具有更高的估计精确度和稳定性,该方法设计的扩展卡尔曼滤波器可有效提高智能断路器抗电快速瞬变脉冲群干扰能力。

粗糙集-BP网络在锌产量预测中的应用

提出了基于粗糙集与改进的BP网络的密闭鼓风炉锌产量预测模型,这样可以根据预测结果调整参数,来达到锌产量的最大化。首先运用粗糙集方法,在不改变训练样本分类质量的条件下,按照属性相对于决策表的重要度的大小,对输入参数集进行约简,确定神经网络输入层变量和神经元个数,再采用基于Levenberg-Marquardt方法的BP神经网络进行预测,仿真结果表明,该方法减少了网络的训练时间,改善了学习效率,具有较高的预测精度,是可行的、有效的。

非线性同伦LM算法及在软测量建模中的应用

综合同伦方法与Levenberg-Marquardt(LM)优化方法,提出了一种新型非线性同伦LM神经网络学习算法以改善现有神经网络学习算法的学习效率,分析了不同类型的过渡函数对神经网络泛化性能的影响。该算法具有稳定性强、收敛性能好的特点。结合工业过程实际要求,将提出的改进算法用于丙烯腈收率神经网络软测量建模并与几种常见建模方法比较,结果表明:基于改进算法的软测量模型具有更高的测量精度和更好的泛化性能,满足现场测量要求。

基于改进EKF的锂离子电池SOC估算

采用改进的扩展卡尔曼滤波(EKF)对电池进行荷电状态(SOC)估算,运用Levenberg-Marquardt方法对改进EKF的协方差矩阵进行修正。相对于标准EKF而言,改进EKF估计SOC的绝对误差降低了0.526%,精度得到提高。

浅析国际原油升贴水与原油性质关系

为了研究国际原油升贴水的影响因素,详细考察了原油升贴水构成,提出了影响性质升贴水的几个主要因素,包括原油的API、硫含量、金属含量、氮含量及残炭。并通过指数函数对原油性质及原油升贴水进行关联,通过Levenberg-Marquardt算法及全局优化算法对历史数据进行拟合,得到预测原油性质升贴水的公式,为合理预测进口原油的升贴水提供一定的技术支持,为沿海炼化企业进口原油未来价格预测提供了重要的数据支撑。