基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .

转动设备状态预报方法的选择

介绍了基于振动监测的转动设备状态预报方法 ,分析了经典神经网络多步预报的不足和实现精确多步预报的关键。并通过天津石化烟机振动的多步预报结果 ,比较了经典多步预报网络和MSRN模型的预报能力 。