基于BP神经网络的火电厂煤耗在线仿真

研究火电厂供电煤耗优化问题,火电厂供电煤耗是衡量电厂能经济运行的一项重要指标,由于热耗与锅炉平衡效率计算需要大量离线数据,很难在电厂监控系统上实时显示供电煤耗.为解决上述问题,利用可变学习速率的BP算法建立了供电煤耗仿真的三层神经网络模型,并用C语言编制了相应的计算程序.对比不同输入参数以及不同隐层节点数情况下进行仿真,结果表明仅用16个强关联参数和22个隐层节点数的BP神经网络模型就能够在线仿真出精度较高的供电煤耗,并且动态响应好,具有很强的鲁棒性.     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点,从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法,阐明了用遗传算法进行神经网络性能优化的原因,并得出结论,认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法,论述了遗传算法和神经网络的发展现状和将来的研究动向。     

计算智能方法及应用研究

介绍了4种计算智能方法,即神经网络、模糊计算、遗传算法和免疫算法,通过总结和比较各智能算法的优缺点及其在各个领域的应用,给出了计算智能存在的主要问题及发展趋势。设计了脱机手写签名识别软件,提取签名图像的骨架特征和边角特征,并利用BP神经网络方法有效地识别真、假签名。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点，从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法，阐明了用遗传算法进行神经网络性能优化的原因，并得出结论，认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法，论述了遗传算法和神经网络的发展现状和将来的研究动向。     

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的Hopfield神经网络优化计算方法，该方法将遗传算法和Hopfield神经网络结合在一起，克服了Hopfield神经网络易收敛到局部最优值的缺点，以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量，收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优，以跳出可能的局部最优值陷阱，再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题，对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明，其全局收敛率和收敛速度明显提高。     

基于遗传算法优化BP神经网络的线损计算研究

为了准确计算低压台区配电网的线损,提出遗传算法优化BP神经网络的配电网理论线损计算。通过电网线路获取线路特征参数,对特征参数建立BP神经网络的预测模型;根据BP神经网络的拓扑结构中的权值和阈值来确定染色体长度;通过遗传算法来确定BP神经网络的参数,拟合影响线损的特征参数和线损的复杂关系。该算法减少了线损计算误差,计算时间少,稳定性增强。     

径向基神经网络和遗传算法优化热电负荷分配

根据不同机组特性对电厂热电负荷在机组间进行优化分配,是机组节能的重要手段.对于径向基神经网络算法的隐藏层函数中心选取进行了优化,利用梯度下降法对连接权重进行初始化以及更新.利用改进后的径向基神经网络构建了关于全厂煤耗量与机组负荷之间的模型算法,对两台350 MW机组的实际运行数据进行了分析拟合.针对遗传算法可能陷入局部...     

遗传算法的RBF神经网络在线损计算中的应用

电力网线损率是综合反映电力网规划设计、生产运行和经营管理的一项重要指标。如何有效地降低电力网电能损耗、提高企业经济效益已成为迫切需要解决的问题。文中提出一种基于遗传算法的RBF神经网络对线损进行计算,并且针对RBF神经网络的隐含层与输出层相互独立和输出结果容易陷入局部最小等缺点,运用遗传算法对整个网络进行优化,另外对遗传算法进行了相应的改进。为了验证算法的可行性,文中以大庆油田某一地区的67条线路为样本进行仿真计算。实验结果证明了遗传算法优化的RBF神经网络在计算精度和训练速度上都有较大提高。     

计算智能方法在KDD系统中的应用与研究

该文论述了KDD系统中计算智能方法的性质和特点,并且提出了神经网络和遗传算法技术在具体的数据挖掘过程中的应用模型,另外,从精确性、鲁棒性等方面对算法的优劣进行了比较。     

软计算方法在数据挖掘中的应用

对数据挖掘和软计算方法做了一个综合性的阐述,分析了模糊逻辑、神经网络、神经一模糊、遗传算法、粗糙集和混合方法等不同软计算方法的特点,尤其是对模糊逻辑软计算方法进行了更多的探讨,并结合软计算方法在数据挖掘中的应用现状,指出了数据挖掘面临的挑战和软计算方法的应用前景。