集中供热二次网回水温度的预测和控制研究

集中供热系统存在大惯性、非线性以及时变性等问题,为了保证集中供热系统末端用户的采暖质量,针对集中供热二次网系统,设计了二次网回水温度的预测模型及智能控制策略,以实现二次网回水温度的准确控制,满足末端用户的采暖需求。通过飞升曲线建立了温控系统的数学模型。设计了一个RBF神经网络预测模型,模型的输出作为温控系统的二次网回水温度给定值。在控制算法上,设计了三层前向型神经网络与PID相结合的智能控制器,实现对二次网回水温度的闭环控制。基于所建立的数学模型、预测模型及控制器进行了仿真实验。仿真结果表明,所采用的控制方法与常规PID控制相比,具有调节时间短,超调量小的优点。验证了所采用控制方法的可行性和有效性。     

集中供热网运行调节与控制策略的研究

集中供热是我国北方冬季供热的一种主要形式,其运行调节和控制策略一直是供暖和控制专家们研究的课题。本文在分析和总结已有方案的基础上,对供热负荷的动态预测、热网水力工况的解耦、热网水力工况的稳态数学模型以及基于模型的水力工况初调节方法等问题进行了探讨。     

城市集中供热网智能协调控制系统

在吸取国外先进技术的基础上，开发并应用了一套适合我国国情的城市集中供质变网自动化系统。介绍该系统实时空部分的结构、特点、功能及应用效果。     

利用VB开发集中供热网监控系统软件

本文对如何在VB环境下开发集中供热网监控软件进行介绍，重点说明了人机界面的设计，DLL的使用，供热网故障的诊断。     

一种模糊Petri网参数优化的有效方法

本文根据模糊Petri网运行时连续性的特点,以蚁群算法为基础,提出了一种带交叉、变异因子的模糊Petri网参数值寻优的有效方法。该方法先用分层思想建立无环路的FPN模型,然后把它转化为类前向神经网络以确定输入—输出层关系,并将网络中各参数的值域均分为10等份,在图形中用10个城市来表示,再用蚁群算法进行路径的寻优,寻优后,在蚁群选定的值域上产生具体的分量解,最后由误差函数确定是否需要重新寻优。仿真程序实例表明经蚁群优化算法训练出的参数正确率较高,且不依赖于经验输入数据。     

集中供热网管理系统的设计

介绍了基于客户机／服务器结构的集中供热网管理系统的设计。阐述了系统数据库的建立和维护手段，以及PowerBuilder在应用程序设计中的先进特性。给出了部分重要功能的程序代码。     

分布式集中供热微机监测系统

１系统的基本构成供热微机监测系统（以下简称“监测系统”）的监测对象是城市的集中供热系统。由于监测点十分分散,分布情况复杂,所以信号的传输是一大难点。为了简化系统的信号传输网络结构,充分利用现有系统的信号电缆和设备,降低成本,提高可靠性,本监测系统采用分布式计算机系统。所谓分布式计算机系统就是分布在不同地点而以协作方式互相配合进行工作的多计算机系统,一般在几个地方设置执行简单任务的低档计算机,而较复杂的任务则集中由高档计算机执行。执行局部独立功能的低档计算机称为下位机,而对各下级计算机起协调作用担任高级控…     

一种模糊Petri网参数优化的有效方法

本文根据模糊Petri网运行时连续性的特点,以蚁群算法为基础,提出了一种带交叉、变异因子的模糊Petri网参数值寻优的有效方法。该方法先用分层思想建立无环路的FPN模型,然后把它转化为类前向神经网络以确定输入—输出层关系,并将网络中各参数的值域均分为10等份,在图形中用10个城市来表示,再用蚁群算法进行路径的寻优,寻优后,在蚁群选定的值域上产生具体的分量解,最后由误差函数确定是否需要重新寻优。仿真程序实例表明经蚁群优化算法训练出的参数正确率较高,且不依赖于经验输入数据。     

集中供热网的微机监测系统

城市集中供热是利国利民的一项新兴事业。本文在对供热工艺要求、选择适当仪表进行讨论的基础上,介绍一套集中供热网的微机监测系统。该系统经过二个采暖周期的运行,在对三个民用区域调压供热站进行全面监测中取得良好效果。     

基于人工免疫的模糊Petri网参数优化

针对模糊Petri网的知识推理能力受限于参数优劣,提出了一种基于改进人工免疫算法的模糊Petri网参数优化方法。实验表明,文中方法能较为准确地实现参数优化,得到的优化结果与期望值具有较小的均方误差,且与其它方法相比,具有较快的全局收敛速度和较强的全局寻优能力,具有很强的通用性。     

灰色-神经网络综合预测模型

该文提出一种灰色-神经网络综合预测模型。该模型由背景值构造、加权GM(1,1)模型和神经网络补偿器三部分组成。其建模机理为:首先对于原始数列进行背景值构造,然后构建加权GM(1,1)模型,同时利用神经网络补偿器获得误差补偿信号,则最终的预测值为加权GM模型的输出值加上补偿值。仿真结果验证了所提方法的有效性。     

基于模块化回声状态神经网络光伏发电量预测

针对光伏发电的不确定性、间歇性给电力系统并网运行带来的安全问题,提出了一种基于模块化回声状态网络模型对发电量进行预测.首先利用模块化神经网络按季节建立预测子模型,再将子模型按相同日类型进行数据划分后,与平均气温一同作为样本,利用回声状态网络对子模型进行训练和发电量预测,最后集成输出结果.结果表明:此预测模型在日类型相同时预测误差较小,而在日类型不同时预测误差较大,但与ESN和BP预测模型相比均具有更高的预测精度和更快的预测速度.     

基于模糊神经网络的网络成瘾预测

综合运用模糊数学和神经网络知识构建一个模糊神经网络模型,用以预测网络成瘾。确定了适宜的判别指标和分级标准,对评价论域进行模糊处理;建立各指标对不同论域等级隶属度的计算模型;以实际网络使用者为样本,应用改进的BP算法训练网络模型,并对6个受验样本进行成瘾判别以验证模型的准确性。该方法是对已有的单一指标判别法和用模糊数学对多个指标判别方法的改进。实验证明,改进的BP神经网络方法能够快速、准确、有效地识别网络成瘾模式。     

电力电量预测的神经网络方法

本文依次将前六个月用电量作为输入值,第七个月用电量作为输出值,建立BP神经网络结构,根据历史数据对神经网络进行训练,并通过预测试验,对预测网络进行检验,结果表明利用神经网络方法对全国用电量进行预测是可行的.     

BP神经网络在证券分析预测中应用

介绍了人工神经网络的基本概念和组成后,讨论了它与传统分析预测方法的区别和优势。对证券分析和预测提出了一种基于BP算法的人工神经网络模型,结合计算实例和结果的误差分析,给出了改进的方向。     

基于改进的Elman神经网络的股价预测模型

Elman神经网络是一种典型的回归神经网络,比前向神经网络具有更强的计算能力,具有适应时变特性的能力,因而非常适用于对股市这一类极其复杂的非线性动力学系统进行预测。文中以深市A股中的个股中集集团(股票代号:000039)的共180天的实际收盘价的时间序列作为预测对象,提出基于改进的Elman神经网络的个股价格预测模型,实验结果取得较高的预测精度、较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于个股价格的短期预测是可行和有效的。     

模糊神经网络在感应加热电源应用的研究

针对感应加热电源具有非线性、时变性、难以建立准确数学模型的特点,本文提出将神经网络与模糊PID相结合,并引入补偿运算,构成一种新的具有可学习的自适应控制方法。该方法利用神经网络的自学习和模糊控制的不确定性等特点,引入神经网络不仅能够适当地调整输入、输出模糊隶属函数,而且能够借助于补偿逻辑算法动态地优化模糊推理,从而优化整个控制系统。通过对本文提出的算法、传统模糊PID算法以及模糊神经网络算法的仿真结果的对比可以看出,该算法较之传统模糊PID控制算法以及模糊神经网络算法具有鲁棒性更强、控制精度更高、可靠性更强等优势。     

神经网络在销售预测中的应用研究

文章提出了基于反向传播网络建立市场销售预测模型的设计方法,并针对反向传播网络算法的不足之处给出了改进方法,该算法适用于规则不可知的预测问题。将该算法应用于销售预测中,获得了良好的预测结果,为企业生产决策提供了有力的依据。     

基于神经网络的自动售货机销量预测

采用神经网络理论对罐装饮料自动售货机销售额的预测进行了数学建模,采用BP神经网络实现了罐装饮料自动售货机销售额的预测,并通过隐层神经元和输入层神经元个数的确定以及训练算法性能对比验证了所设计模型和方法的可行性和有效性,为罐装饮料自动售货机的管理工作提供了一种新的方法.     

基于神经网络的短期销售预测

针对常用销售预测方法预测精度较低的问题,在分析、试验了常用BP神经网络及训练算法后,提出了用引入月份因子及运用贝叶斯 正则化的方法,并应用于具有淡、旺季特性产品短期销售量预测,使预测精度大幅提高。