应用模糊技术的递归小波神经网络太阳日总辐射预测

考虑到人工神经网络在非线性函数逼近方面的特性和小渡函数良好的时频域多分辨分析能力，建立了结舍两者优点的递归小渡BP网络（RWBPNN）模型，用以对地面太阳日总辐射进行准确预测．该模型将气象台的天气阴睛预报进行模糊化处理后输入神经网络，增加有用信息以改善模型的预测精度．同时还提出了批量平均权值法来训练网络，有效地改善了初始参数的选择问题．实例以及模型间的比较说明了本模型应用于太阳辐射预测具有更高精度和实际可行性．     

注意力机制下的EMD-GRU短期电力负荷预测

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度，基于涌水量数据的不稳定性及随机性，提出一种自适应噪声完备集合经验模态分解(CEEMDAN)、贝叶斯优化(BO)与双向门控循环单元(BiGRU)相结合的矿井涌水量预测模型(CEEMDAN-BO-BiGRU)。该模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(IMF)和残差分量(Res)，过滤数据噪声，提取数据不同时间尺度波动特征，降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优，进一步提高模型的预测精度。之后对各分量进行超前1至3步预测预测，最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验，并将CEEMDAN-BO-BiGRU预测结果与CEEMDAN-BiGRU、BiGRU、BP、SVM进行对比实验，结果表明采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确，该方法对涌水量的短时预测提供了一种新思路。     

改进相似日的频域分解短期负荷预测

基于改进相似日的频域分解短期负荷预测方法,通过对负荷序列进行频域分解,采用外推法、改进相似日法与加权平均法分别对各分量进行预测,将各分量预测结果相加得到最后预测结果,该方法应用于短期负荷预测具有较好的预测精度.     

基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型

针对当前犯罪预测模型无法捕捉到犯罪时序数据的复合特征且无法及时反应环境变化等问题，提出基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型。该模型将SARIMA和GRU对犯罪数量的预测结果通过BP网络实现非线性组合，采用反向传播算法进行权重学习，将各层神经元所确定的权重矩阵作为两种方法在组合预测中的比重，综合利用SARIMA模型在线性时序预测中的优势和GRU网络在非线性特征挖掘上的优势，从而获得更好的预测结果。通过温哥华和旧金山的真实犯罪数据对组合后的模型与其他模型进行对比实验，结果表明，基于BP神经网络非线性组合的SARIMA-GRU模型可以捕捉到犯罪时序数据的复合特征，与其他模型相比具有更高的准确率。     

基于多目标优化集成学习的短期太阳辐射预测

准确预测太阳辐射对于高效利用光伏能源具有重要意义,为提高太阳辐射预测精度,提出一种新的基于水平精度和方向精度的多目标优化集成学习框架.首先,利用奇异谱分析(Singular Spectrum Analysis,SSA)方法将太阳辐射数据分解成一系列信号组;然后,运用带精英策略的非支配排序遗传算法(NondominatedSortingGeneticAlgorithm,NSGAII)优化的最小二乘支持向量机(LeastSquaresSupportVector Machine, LSSVM)对每个分量信号进行预测;接着,用聚类方法将各分量信号进行样本聚类;最后,运用NSGAII-LSSVM方法分别对样本结果进行集成得到预测结果.以意大利2017年太阳辐射数据作为仿真数据,将该模型与LSSVM、单目标优化的集成学习模型等8个基准模型进行对比.研究结果表明,所提出的多目标优化集成学习框架具有更好的优越性,在方向精度、水平精度和稳健性上均具有很好的效果.     

基于分解集成方法的空中交通流量短期预测

为对空中交通流量进行短期预测,提出了基于分解集成方法的组合预测模型。首先,应用EEMD方法将流量时序数据分解为若干个分量;其次,应用排列熵计算各分量的复杂度,复杂度高于0.5的归为高频分量,其余归为低频分量;然后,高频分量采用BP神经网络算法进行预测,低频分量采用最小二乘法进行预测;接着,对分量的预测结果进行加和集成,得到了最终的预测值。最后,采集实际运行数据进行算例分析。通过比较1~6 h和7~12 h的预测结果,本文模型在1~6 h的EC值为0.905,准确度更高。与EMD-BP-OLS模型、BP模型进行比较,本文模型的评价指标均优于其他模型。通过比较60 min,30 min,15 min时间尺度数据的预测结果,60 min时间尺度的EC值为0.924,准确度最高。结果表明,本文提出的模型是可行的和有效的,更适用于短期流量预测。     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

基于带偏差递归神经网络蛋白质关联图的预测

针对BP神经网络在学习速度方面的不足, 在Jordan和Elman网络结构的基础上, 提出一种带偏差单元的递归网络模型, 根据BP算法推导出该网络模型的权系数调整规则, 并应用该网络模型进行了蛋白质关联图预测的仿真分析. 结果表明, 该网络模型的收敛速度比一般BP网络有很大提高, 具有一定的实用性.     

基于辐射预测的太阳能平面接收器安装角度优化

以北京54511气象观测站的太阳辐射数据为基础,分别用该气象站2003年实测太阳辐射数据、Elman神经网络预测得到的2003年太阳辐射数据和标准气象年太阳辐射数据,以斜面上累计太阳辐射总量最大为目标,分别计算太阳能平面接收器的最优安装角度,得到了3种情况下月最优安装角度、全年最优安装角度、夏半年以及冬半年最优安装角度.以按实测数据求解所得结果为基准,进行比较.结果表明,按神经网络预测数据计算的最优安装角比按标准气象年数据计算的结果更为理想.     

基于Matlab的BP神经网络在太阳耀斑级别预测中的应用

太阳耀斑爆发与多种因素存在着非线性的关系,其中规律难以把握.选择时间变化长短,工作频率,路径大圆距离,VLF传播相位变化偏移量4个与太阳耀斑级别预测密切相关的重要因素,构建了BP神经网络模型;然后利用Matlab工具箱对网络模型进行系统仿真与多次训练,使网络的预测输出不断逼近期望输出,实现对太阳耀斑级别的预测,通过结果误差分析,表明这种方法具有有效性与可行性.     

基于RBF神经网络的公路货运量预测方法研究

本文提出了一种基于RBF神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它RBF预测法,有很好的应用性.     

BP神经网络在水华短期预测中的应用

为解决影响因素多、作用关系复杂的水华预测问题,将BP神经网与水体环境因子的高频实测数据相结合,构建了巢湖水华的短期动态预测模型,该模型准确地预测了每次水华发生的时间,预测值与实际观测值相关系数可达0.608 4;在分析BP神经网络自身局限性的基础上,研究了建模过程中输入输出数据预处理、网络结构设计、训练模式选择等问题,给出了水华预测中确定环境因子和建模方案的具体方法.该方法容易移植到其它湖库,提高了模型的实用性和通用性.     

神经网络对混凝土动态特性的预测及试验

为研究混凝土高应变率下的动态特性,基于神经网络对非线性系统的辨识和预测功能,结合Leven-berg-M arquardt算法,利用变截面Hopk inson压杆对聚丙烯纤维混凝土的3种应变率下冲击压缩试验数据,采用BP网络对其峰值应力和对应的应变进行预测,并与试验结果进行了比较。分析表明,预测仿真结果与试验结果是相吻合的,所建立的网络模型可为研究混凝土高应变率下的应力应变关系提供参考。     

建筑物尺度的太阳能资源潜力估算模型研究

结合遥感定量反演方法与地理信息系统三维分析技术, 建立了城市建筑物尺度的太阳能资源潜力估算新方法和模型。运用平面投射法确定了建筑物阴影位置, 实现了阴影的实时模拟。利用局部坐标系和容斥原理计算了三维空间中的非阴影区面积。考虑光线与墙面之间的角度关系, 结合遥感反演得到的该建筑物所在位置的地表太阳直射辐照度, 计算该建筑物各侧面及顶面所能利用的太阳直射辐射功率, 进而求和得到观测时段内的累积太阳直射辐射能, 并采用不规则三角网显示该建筑物能接收到的能量资源的空间分布。选择乌鲁木齐市某建筑群对模型进行应用。结果表明, 该模型为建筑物尺度的太阳能资源规划及开发利用提供了一种有效的方法。     

基于回声状态网络优化的宽间隔混沌跳频码预测研究

传统宽间隔混沌跳频码预测方法无反馈结构,记忆能力差;且训练过程烦琐,泛化性能差,对预测精度产生不好的影响。为此,提出一种新的基于回声状态网络优化的宽间隔混沌跳频码预测方法。设计回声状态网络,其由输入层、递归层以及输出层三个部分构成。在递归层内部各神经元间引入连接权值稀疏矩阵,使递归层内部存在动态记忆。回声状态网络储备池规模、储备池内部连接权谱半径、储备池稀疏度、储备池输入单元尺度对宽间隔混沌跳频码预测准确性产生不同的影响。通过和声搜索方法对四种储备池参数进行优化,实现回声状态网络的改进。确定优化回声状态网络输入输出数据,建立优化回声状态网络。确定储备池参数,通过训练数据激活储备池,计算回声状态网络输出连接权矩阵,对宽间隔混沌跳频码进行预测。实验结果表明,所提方法预测结果可靠,和其他方法相比有很高的预测精度。     

太阳模拟器光源离焦对光斑的影响分析

针对聚焦型太阳模拟器光源离焦量与光斑辐照度的关系开展了研究,以聚焦型太阳模拟器光学系统为研究对象,根据某型号的短弧氙灯及其椭球聚光镜进行模拟计算,依据氙灯能量分布图及其配光曲线,将发光体简化为两端不发射光线、侧面发射光线的柱形发光体。在光学模拟软件TracePro中将简化的发光体及其椭球聚光镜进行建模,主要模拟光源轴向及其径向离焦对光斑的影响。结果表明,光源离焦对光斑辐照度平均值影响不大,但是对光斑辐照度的最大值、光斑辐照度分布形式、光斑面积有很大的影响。依据以上分析结果可以为太阳模拟器调焦系统方面的设计提供理论上的数据参考,对该类型的太阳模拟器装调也具有指导意义。     

基于BP神经网络的就业人口数量预测研究

介绍了重庆市就业人口数量预测的BP神经网络预测模型的设计和预测原理．以2005年的《重庆市统计年鉴》提供的数据为依据,论证了该预测模型的可行性,并用此模型对2006—2008年重庆市就业人口数量进行了预测．     

基于BP神经网络的就业人口数量预测研究

介绍了重庆市就业人口数量预测的BP神经网络预测模型的设计和预测原理．以2005牟的《重庆市统计年鉴》提供的数据为依据，论证了该预测模型的可行性，并用此模型对2006-2008年重庆市就业人口数量进行了预测．