改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的徽派古建筑壽命預(yù)測

為了解決bp神經(jīng)網(wǎng)絡(luò)在短期電力負(fù)荷預(yù)測中存在局部極小、收斂速度慢等問題，本文采用粒子群算法（particleswarmoptimization，pso）優(yōu)化elman動態(tài)神經(jīng)網(wǎng)絡(luò)進(jìn)行精準(zhǔn)預(yù)測。根據(jù)輸入輸出參數(shù)個數(shù)確定elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用pso算法優(yōu)化網(wǎng)絡(luò)的權(quán)值和閾值，并將優(yōu)化后的最優(yōu)個體賦給elman動態(tài)神經(jīng)網(wǎng)絡(luò)作為初始權(quán)值、閾值進(jìn)行網(wǎng)絡(luò)訓(xùn)練，從而建立基于pso-elman的電力負(fù)荷預(yù)測模型。采用某鋼廠實測電力數(shù)據(jù)對該方法和模型進(jìn)行驗證，并與傳統(tǒng)的bp、elman網(wǎng)絡(luò)模型預(yù)測方法進(jìn)行對比，結(jié)果表明該方法和模型在有效縮短網(wǎng)絡(luò)收斂時間的同時，具備更高的負(fù)荷預(yù)測精度和穩(wěn)定性。

空調(diào)系統(tǒng)的負(fù)荷與諸多影響因素之間是一種多變量、強耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動態(tài)性,因而傳統(tǒng)方法的預(yù)測精度不高。而動態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動、更直接地反映系統(tǒng)的動態(tài)特性。針對這個特點,建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測模型,并進(jìn)行了實例預(yù)測。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實驗證明了elman神經(jīng)網(wǎng)絡(luò)具有動態(tài)特性好、逼近速度快、精度高等特點,說明elman網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測方法。

以凸輪式高速形變試驗機得到的實驗數(shù)據(jù)為基礎(chǔ),利用matlab人工神經(jīng)網(wǎng)絡(luò)工具箱,建立了合金工具鋼的變形抗力與其化學(xué)成分、變形溫度、變形程度及變形速度對應(yīng)關(guān)系的elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型。與bp網(wǎng)絡(luò)模型相比,elman神經(jīng)網(wǎng)絡(luò)模型有較好的預(yù)測精度。

bp神經(jīng)網(wǎng)絡(luò)是分析處理復(fù)雜非線性問題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對宏觀經(jīng)濟(jì)問題的研究中。本文有機地整合了計量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,加強了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測和控制中,取得了令人滿意的效果。

elman神經(jīng)網(wǎng)絡(luò)在軟土地基沉降預(yù)測中的應(yīng)用——根據(jù)軟土地基沉降的基本特征，提出了一種基于人工神經(jīng)網(wǎng)絡(luò)(ann)技術(shù)的軟土地基沉降預(yù)測新方法。通過對由實測資料形成的數(shù)據(jù)樣本的訓(xùn)練學(xué)習(xí)，建立了可用于預(yù)測軟土地基沉降量的elman模型。實例檢驗證明•該網(wǎng)絡(luò)...

根據(jù)軟土地基沉降的基本特征,提出了一種基于人工神經(jīng)網(wǎng)絡(luò)(ann)技術(shù)的軟土地基沉降預(yù)測新方法。通過對由實測資料形成的數(shù)據(jù)樣本的訓(xùn)練學(xué)習(xí),建立了可用于預(yù)測軟土地基沉降量的e1man模型。實例檢驗證明,該網(wǎng)絡(luò)的學(xué)習(xí)是成功的,具有一定的可靠性和實用性。

在對某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會遇到預(yù)測結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進(jìn)行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對bp網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時間和預(yù)測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測結(jié)果與實測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測值則比較均衡,預(yù)測結(jié)果相對最佳.

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來預(yù)測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預(yù)測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測結(jié)果表明,該模型有較高的預(yù)測精度,可作為預(yù)測沉降的一種新方法。

目前常見的沉降預(yù)測方法有灰色系統(tǒng)模型、時間序列分析法、bp神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法等。針對bp神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過擬合和局部最優(yōu)的缺點,部分學(xué)者利用遺傳算法進(jìn)行神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值優(yōu)化。但是遺傳算法對于因監(jiān)測數(shù)據(jù)質(zhì)量問題而造成變形預(yù)測結(jié)果不佳的優(yōu)化效果有限。因此引入自適應(yīng)增強算法對遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行改進(jìn)。并利用某高層建筑基坑實測50期監(jiān)測數(shù)據(jù)進(jìn)行仿真預(yù)測。實驗結(jié)果表明,利用自適應(yīng)增強算法改進(jìn)之后的遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測模型在滿足工程監(jiān)測精度要求的前提下,在mape、mae、mse三項精度指標(biāo)上分別提高80.57%、81.04%、70.83%。

航天繼電器長期處于貯存環(huán)境,為保證其各階段始終保持在備用激活狀態(tài),必須對繼電器的貯存壽命進(jìn)行預(yù)測。本文將因子分析法和回歸分析法引入到表征觸點電接觸可靠性的重要參數(shù)——接觸電阻的轉(zhuǎn)換中,將25臺繼電器樣品的200對觸點在125℃下的接觸壓降和釋放電壓雙參數(shù)數(shù)據(jù)交叉分為4組進(jìn)行處理,分析兩者與接觸電阻的關(guān)系,建立函數(shù)鏈神經(jīng)網(wǎng)絡(luò),對接觸電阻進(jìn)行動態(tài)預(yù)測,進(jìn)而得到繼電器的貯存壽命。分析神經(jīng)網(wǎng)絡(luò)預(yù)測的整體誤差,用92℃的數(shù)據(jù)對該方法進(jìn)行檢驗,得出神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差低于3.5%,證實了統(tǒng)計方法和函數(shù)鏈神經(jīng)網(wǎng)絡(luò)的適用性。

針對供熱系統(tǒng)供熱量和需熱量不匹配的問題和節(jié)能降耗的需求,提出一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的供熱系統(tǒng)短期熱負(fù)荷滾動預(yù)測方法。該方法利用動態(tài)的k-均值聚類算法確定rbf神經(jīng)網(wǎng)絡(luò)的隱含層中心,以實現(xiàn)對聚類中心的個數(shù)優(yōu)化選擇,再利用遞歸正交最小二乘法更新網(wǎng)絡(luò)連接的權(quán)系數(shù),訓(xùn)練rbf神經(jīng)網(wǎng)絡(luò)模型。每次預(yù)測時用實時數(shù)據(jù)更新一部分歷史數(shù)據(jù)從而組成新的輸入,再用訓(xùn)練模型預(yù)測下一時刻的熱負(fù)荷,用于實現(xiàn)熱網(wǎng)熱負(fù)荷短期滾動預(yù)測。仿真結(jié)果表明,該方法與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法相比,預(yù)測精度高,對熱網(wǎng)系統(tǒng)短期熱負(fù)荷具有良好的預(yù)測能力,能給熱網(wǎng)控制器提供可靠的數(shù)據(jù),使熱網(wǎng)供熱量和需求量相匹配,滿足節(jié)能降耗的需求,具有一定的工程實用價值。

建筑節(jié)能是當(dāng)今城市建設(shè)和社會發(fā)展的前沿和研究熱點,對建筑的能耗現(xiàn)狀進(jìn)行綜合分析與評估是進(jìn)行節(jié)能改造或節(jié)能設(shè)計的前提和基礎(chǔ),而建立反映能耗變化的預(yù)測模型是從宏觀尺度上分析認(rèn)識建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對常規(guī)bp網(wǎng)絡(luò)算法收斂速度慢、易陷入局部最小點的缺點,采用了具有較快收斂速度及穩(wěn)定性的lm算法進(jìn)行預(yù)測,構(gòu)造了基于bp神經(jīng)網(wǎng)絡(luò)的建筑物用電量預(yù)測模型。以某市公共建筑原始用電能耗統(tǒng)計數(shù)據(jù)作為樣本,并采用matlab對預(yù)測模型進(jìn)行了仿真預(yù)測。結(jié)果顯示:誤差在允許范圍內(nèi)。

根據(jù)建筑物實測沉降利用人工神經(jīng)網(wǎng)絡(luò)理論,建立了前饋網(wǎng)絡(luò)預(yù)測模型并提出新的學(xué)習(xí)算法,結(jié)合某建筑物糾偏工程實例對建筑物沉降進(jìn)行了預(yù)測.預(yù)測結(jié)果表明神經(jīng)網(wǎng)絡(luò)方法是可行且有效的.

由于目前只有很少一部分建筑師能掌握復(fù)雜的建筑能耗分析,因此本文利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測試樣本點數(shù)據(jù)預(yù)測建筑能耗,并與dest-h模擬計算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),驗證了該網(wǎng)絡(luò)模型的可行性。該方法使建筑師在設(shè)計階段能夠簡單且準(zhǔn)確地獲得設(shè)計建筑的能耗。

利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測試樣本點數(shù)據(jù)預(yù)測建筑能耗,與dest-h模擬計算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),并通過實例驗證了該網(wǎng)絡(luò)模型的準(zhǔn)確性。該方法使建筑人員在設(shè)計階段就能快速且準(zhǔn)確地獲得設(shè)計建筑的能耗。

為研究嚴(yán)寒地區(qū)建筑熱環(huán)境和人體熱舒適,于2004年9月至2005年12月在哈爾濱進(jìn)行了20次現(xiàn)場研究,測量了室內(nèi)熱舒適參數(shù).利用人工神經(jīng)網(wǎng)絡(luò)方法,建立了嚴(yán)寒地區(qū)建筑pmv的bp神經(jīng)網(wǎng)絡(luò)評判模型,實現(xiàn)了對嚴(yán)寒地區(qū)建筑熱環(huán)境內(nèi)pmv的智能化預(yù)測.現(xiàn)場研究結(jié)果驗證表明,該模型預(yù)測的嚴(yán)寒地區(qū)建筑熱環(huán)境內(nèi)pmv與實際主觀調(diào)查吻合.

提出了根據(jù)實測數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型,并給出應(yīng)用實例分析。結(jié)果表明,神經(jīng)網(wǎng)絡(luò)應(yīng)用于變形預(yù)測效果良好,具有一定參考價值和指導(dǎo)意義。

為改進(jìn)以往神經(jīng)網(wǎng)絡(luò)對建筑能耗預(yù)測的不足,提出應(yīng)用遺傳算法結(jié)合levenberg-marquardt算法(galm)改進(jìn)神經(jīng)網(wǎng)絡(luò)對建筑能耗進(jìn)行預(yù)測。首先,利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值;其次,利用levenberg-marquardt算法優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練,針對影響建筑能耗的主要因素建立galm神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測模型。通過建立建筑能耗監(jiān)測平臺采集某公共建筑1個月的能耗數(shù)據(jù),對該模型進(jìn)行訓(xùn)練和測試。實驗結(jié)果表明,該模型可以準(zhǔn)確且高效地對建筑能耗進(jìn)行短期預(yù)測。

城市軌道交通的短時客流預(yù)測數(shù)據(jù)對運營組織單位面對潛在的大客流或突發(fā)事件的應(yīng)對準(zhǔn)備工作有著重要的作用.以原始移動通信數(shù)據(jù)作為換乘站點換乘客流統(tǒng)計的數(shù)據(jù)來源,得到了精確的單條線路某個換乘站的換乘人數(shù),并結(jié)合自動售檢票系統(tǒng)的統(tǒng)計數(shù)據(jù),通過建立elman神經(jīng)網(wǎng)絡(luò)模型對客流數(shù)據(jù)進(jìn)行樣本對訓(xùn)練,得到下游車站未來lh內(nèi)斷面客流量的預(yù)測結(jié)果.預(yù)測結(jié)果誤差符合要求,為站點的運營組織方案提供了良好的數(shù)據(jù)支撐.同時為了對比說明建立了arima模型,并對預(yù)測結(jié)果作出分析比較.

改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在橋梁損傷中的預(yù)測研究——提出基于bp算法的小波神經(jīng)網(wǎng)絡(luò)改進(jìn)算法。仿真結(jié)果表明它避免了bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的盲目性和局部最優(yōu)等非線性優(yōu)化問題，簡化了訓(xùn)練，具有較強的函數(shù)學(xué)習(xí)能力和推廣能力。該算法成功應(yīng)用于橋梁損傷預(yù)測，具有廣泛的...

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點,提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡(luò)預(yù)測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預(yù)測模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點等缺點。結(jié)合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預(yù)測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比,結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜于廣泛推廣應(yīng)用。

針對傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)存在的缺點,提出了用附加動量法、自適應(yīng)學(xué)習(xí)速率和l-m優(yōu)化算法等幾種算法進(jìn)行優(yōu)化。通過對比分析,證明了采用l-m優(yōu)化和附加動量因子算法相結(jié)合取得了最優(yōu)的預(yù)測效果。該方法克服了bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點的缺點。結(jié)合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比,預(yù)測結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜廣泛采用。