基于RBF神经网络的主动配电网通信过程安全态势感知方法

为提前拦截主动配电网通信过程中的恶意攻击、保证电网稳定运行,提出基于RBF神经网络的通信过程安全态势感知方法。综合考虑电压越限、失负荷、供电能力等因素,筛选主动配电网通信安全态势评价指标;利用非线性基函数实现从输入到输出的非线性变换,采用改进ReliefF算法选取网络通信入侵行为特征,并将其作为RBF神经网络的输入量;将主动配电网络节点部署的安全态势数据分割为若干分量,通过参数调整平滑处理安全态势感知数据,再利用双层滤波检测法输出RBF神经网络的感知结果。由试验结果可知:采用该方法时,特征识别准确率为97.61%,安全态势值为0.894,态势感知时间为0.361 s,能有效感知攻击行为,精准呈现网络态势变化,且感知过程用时较短。

基于PSO-RBF神经网络模型的原水水质评价方法及应用

针对自来水生产过程的原水水质评价问题,提出了一种基于PSO-RBF神经网络模型的原水水质评价方法.首先,根据水厂生产经验和历史数据分析,制定面向自来水生产过程的原水水质评价标准.然后,采用粒子群优化(PSO)算法训练的RBF神经网络模型,对苏州市相城水厂的进厂原水水质实施在线评价.最后,将进厂原水水质在线评价结果作为前馈量,增加相城水厂药剂(矾和臭氧)投加过程的前馈控制环节,使得药剂投加量能够根据原水水质的变化及时做出调整.实际应用效果表明,与改进前的反馈控制过程相比,过程出水水质更加平稳,提高了自来水生产过程应对原水水质变化的能力.

带权重的RBF神经网络银行个人信用评价方法

针对RBF神经网络确定核函数中心时没有考虑输入样本分类指标权重的问题,提出了一种动态加权聚类算法。在算法中利用样本之间的加权距离代替了欧氏距离作为选定核函数中心的量度。在此基础上,建立了信用评价模型,利用已知类别的样本对模型进行训练,再利用训练好的模型对未知类别的样本进行预测,实验结果验证了模型的有效性。

地面水质评价的RBF神经网络方法

借助神经网络方法处理非线性问题的优势 ,采用径向基函数 (RBF)来构造多层前馈 BP神经网络。根据某流域水系的水质监测的数据 ,建立一个对地面水质进行判别的多层前馈网络数学模型。以地面水质污染主要的 7项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度很高 。

基于粒子群优化算法和RBF神经网络的水质评价方法研究

将粒子群优化算法和RBF神经网络相结合,建立了基于神经网络的水质评价模型,实现了对水质的合理评价。通过采用粒子群优化算法对RBF神经网络的参数进行优化,提高了神经网络的收敛速度和精度,进一步提高了水质评价方法的精确程度。通过与传统的神经网络水质评价方法的对比,验证了本文方法的可靠性和优越性。

基于RBF神经网络优化光伏储能并网自适应控制的方法研究

常规的光伏储能并网自适应控制,主要采用电压动态调节实现,忽略了并网电流波形偏差对控制结果造成的影响,导致控制结果超调量较大。因此,提出基于RBF神经网络优化光伏储能并网自适应控制的方法。根据光伏储能并网的等效电路分析输出特性,建立基于RBF神经网络的等效电路连接架构,辨识储能作用方式,基于辨识分类结果计算并网电流的谐波补偿值,分析补偿后的内环电流,引入能量需求参数对并网输出功率控制策略进行自适应优化。实验结果表明,所提方法应用后得出的控制结果,表现出的超调量较低,仅为1.8%,控制效果较优,满足了光伏储能并网的现实应用需求。

基于麻雀搜索算法改进的BP神经网络铁路技术站智能化安全评价方法研究

为了提升铁路技术站的安全性,提出一种融合主客观评价方法、麻雀搜索算法与BP神经网络模型的铁路技术站智能安全评价方法,可以有效解决铁路技术站生产作业的安全评价问题。通过熵权法确定属性权重,并建立相应的安全综合评价模型生成BP神经网络的训练和测试样本,实现对铁路技术站安全性的智能化评估。考虑到选取BP神经网络关键参数的偶然性和不确定性,借助麻雀搜索算法对网络关键参数进行全局优化求解,进一步提升其准确性。通过测试分析验证所设计方法的可行性和有效性,为改善及优化铁路技术站的安全管理提供了新的思路。

基于RBF神经网络的中医药科研绩效评价方法分析

通过对中医药科研绩效内涵的分析,本着科学合理的原则,研究了人工神经网络原理与模型,提出了基于RBF神经网络的科研绩效评价方法。并提出将各个评价单位按其结果差异性的大小分到不同的组内,避免了对评价结果进行直接排名带来的困扰。

基于遗传算法的RBF神经网络的优化设计方法

该文提出了一种新的RBF神经网络的设计方法 ,采用遗传算法对RBF神经网络的隐层节点中心值进行进化优选 ,用自适应梯度下降法选择隐层节点高斯函数的宽度 ,用递推的最小二乘法训练RBF神经网络的权值 ,仿真结果证明了该方法的有效性。

RBF神经网络在土壤重金属污染评价中的应用

运用MATLAB软件的K均值聚类算法结合神经网络工具箱,通过建立RBF神经网络对郑汴路圃田—杏花营段路旁土壤进行了评价。结果表明,土壤重金属积累峰值污染峰值多出现在距路基50m范围以内,并随着距路基距离的增加,污染程度逐渐下降。风力因素和邻近铁路对路段两侧土壤重金属污染影响较大,且公路运营时间越早,对两侧土壤污染越严重。杏花营断面土壤质量以Ⅱ级为主,北侧断面土壤质量多为Ⅲ级。圃田断面各样点综合评价结果均为Ⅱ级,整体质量优于杏花营断面。RBF神经网络评价方法具有计算速度快,评价结果客观等优点。

基于BP和RBF神经网络模型的草坪质量综合评价

依据现有的草坪质量评价指标体系,于2010年调查了20个草地早熟禾品种成坪后的11项指标,包括草坪的密度、质地、颜色、均一性、绿期、抗病性、盖度、耐践踏性、成坪速度、草坪强度以及生物量。然后,运用神经网络原理及Matlab神经网络工具箱,以其中的15个草地早熟禾品种成坪后的11项指标的实地调查值作为网络输入,以专家打分作为网络输出,通过不断调整网络训练参数,使网络性能达到最优,构建了草坪质量综合评价的BP和RBF神经网络模型,并给出了BP和RBF神经网络模型的分析方法及其Matlab实现步骤。利用训练好了的网络模型,对其余的5个草地早熟禾品种的综合质量评价得分进行网络预测,结果表明,RBF神经网络的预测误差均小于2%,而BP神经网络的预测误差均大于5%,因此,基于RBF神经网络模型的草坪质量评价结果比BP神经网络更准确,可以用于草坪质量综合评价。与常规的加权法、层次分析法或模糊综合评判法评价草坪质量相比,基于RBF神经网络模型的草坪质量综合评价,在一定程度上减少了评价中主观因素的影响,简化了计算步骤,为草坪质量综合评价提供了一种全新的思路。

RBF神经网络及其在基于输出的客观音质评价中的应用

针对汉语连续语音 ,本文提出了采用径向基函数神经网络 (RBFNNs) ,对基于输出的语音质量进行客观评价的一种新方法———RBFOBSQ(Output BasedSpeechQualityUsingRBFNNs) .该方法采用Mel倒谱对语音系统输出端的待测语音信号进行特征参数提取 ,然后通过RBF神经网络完成特征参数到主观评价MOS分的非线性映射 ,其映射值即为仅依赖于输出的客观音质评价结果 ,其与主观评价MOS分的相关度 ,当采用训练集样本时达到 0 .92以上 ,而采用测试集样本时达到 0 .88以上 .

基于BP神经网络的换档品质评价方法

换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课题,其评价过程可视为一个非线性动态系统。BP神经网络的非线性系统辨识,能够逼近任意一个非线性函数。通过确定换档品质评定指标,利用BP网络训练获得的数据样本,从而建立主观、客观评价标准之间的联系;利用Matlab/Simulink完成换档品质评价方法的客观描述并进行仿真。通过与实验结果对比,证明这种方法能够有效真实地评价换档品质并与传统主观评价方法具有很好的一致性。

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。

基于RBF神经网络的双语教学评价系统的设计与实现

在传统的教学评价体系中,评价的结果受人为主观因素影响较多,往往不能客观地对教学过程进行评价,本文在对国内外双语教学评价方法进行系统研究的基础上,建立了双语教学评价指标体系,基于RBF神经网络构造评价模型,使用JSP技术实现了双语教学评价系统。

基于模糊神经网络的电力企业数据中心绿色评价方法

以电力企业数据中心架构和数据模型为基础,分析了构建企业绿色数据中心的多种影响因素,建立了由基础设施、关键业务系统应用率、虚拟化技术应用和智能化管理等因素构成的绿色评价指标体系。结合模糊综合评价的结构性知识表达能力和神经网络的自学习能力,提出一种电力企业数据中心绿色水平评价方法。实例计算结果表明,应用模糊神经网络模型进行电力企业数据中心绿色评价降低了评价过程的主观性,提高了评价结果的客观性和准确性。

基于模糊神经网络的程序设计能力、实践与创新能力评价方法

为了有利于解决现有评价方法计算复杂,过多地将专家意见等主观因素引入到评价体系中,建立了计算机专业本科生程序设计能力、实践与创新能力的3级评价指标。由于模糊神经网络汇集了神经网络与模糊理论的优点,集学习、联想、识别、信息处理于一体,能够更加真实地反映人脑对于外界信息的处理;采用模糊神经网络设计实现了程序设计能力、实践与创新能力评价方法。实验结果表明,该方法可以较为合理、全面、客观地评价计算机专业学生的编程、实践与创新能力,有利于发现教学、实践环节中的不足之处,进一步培养经济社会发展急需的信息产业人才。

基于ICUOWGA-RBF神经网络的装配式建筑施工安全评价

为解决装配式建筑施工安全评价指标的模糊不确定性、随机性和指标间非线性关系造成专家难以洞察指标全部信息,从而降低评价结果科学性的难题,提出了基于ICUOWGA-RBF神经网络的装配式建筑施工安全评价方法。该方法首先根据事故致因理论,从人员-物-管理-技术-环境5个维度构建装配式建筑施工安全评价指标体系;然后引入模糊语义量化算子对传统CUOWGA算子进行改进得到ICUOWGA算子,并利用ICUOWGA算子计算评价指标的权重,进一步消除运算过程的主观性;最后利用RBF神经网络训练样本数据,规避模拟过程陷入局部最小值的缺陷,优化学习效率,提高收敛速度。通过将该方法运用于郑州某装配式建筑工程施工项目的安全评价,结果表明该装配式建筑施工的安全等级较高,并指出影响安全施工的主要因素,为装配式建筑施工安全管理提供了管理思路。

基于GAP-RBF神经网络的JPEG编码图像质量评价

为评价JPEG编码图像的质量,提出一种基于生长-剪枝径向基函数神经网络的无参考图像质量客观评价方法.该神经网络是一种串行学习算法的网络.当有新数据输入时,不需对已训练过的数据重复学习,具有训练时间少以及所需存储空间小的优点.文章设计了符合人眼视觉感知特性的图像特征提取方法.将图像分成8×8的方块,并通过分块离散余弦变换把8×8方块划分为纹理区或平滑区两类.平滑区的边缘即为块效应失真所产生的边缘.将平滑区边缘的统计信息作为图像特征.利用神经网络建立图像特征与图像质量主观评分之间的映射模型,进而预测图像的客观评分.实验结果表明,客观质量评分与主观评分具有较好的一致性.

基于GM-RBF神经网络的导弹武器系统使用可用度评估方法研究

目的研究导弹武器系统使用可用度评估问题,方法通过基于故障数据的使用可用度评估,提出一种基于灰色模型GM(1,1)的径向基函数(RBF—Radial Basis Function)神经网络组合模型。结果该模型克服了灰色理论的长时间序列预估误差大和神经网络的训练样本需求量大、输入变量选取困难等缺点。结论仿真结果表明,GM-RBF神经网络对导弹武器系统使用可用度评估具有评估误差小、精度高等优点。