共查询到20条相似文献，搜索用时 15 毫秒
1.
The load of air condition system is influenced by many factors, and they are variable and nonlinear, The relation between them is dynamic,It is impossible to forecaste the load of air condition syestem accurately by traditional method. But Recurrent Neural Network is able to reflect the dynamic lively and directly. Elman is one of the typical RNN. Based on the analysis as above, prediction model of air-condition system based on Elman neural network is established, and some prediction is done. The prediction accuracy of Elman neural network and BP neural network is compared, and the experiments show that the Elman neural network is efficiency and accuracy , so Elman neural network is a new and reliable method for predicting the load of air-condition system. 相似文献
2.
夏季建筑冷负荷的正确预测是实现大型复杂中央空调优化运行、节能降耗的关键。笔者探讨了商场建筑冷负荷的主要影响因素,确定了建筑动态冷负荷预测模型的输入,提出了夏季基于新风机组供电频率的商场顾客率间接测量方法,解决了商场内顾客量难以检测的难题。还提出了AFC-HCMAC神经网络预测模型算法,实现了大型商场建筑冷负荷的动态预测。仿真结果表明:顾客率在商场冷负荷预测中占有重要地位,在冷负荷预测模型中增加商场顾客率可显著提高预测精度;AFC-HCMAC神经网络预测算法与传统的HCMAC神经网络算法比较,可有效降低神经网络节点数,提高预测精度。 相似文献
3.
本文通过对运城市2005—2018年气象数据和苹果年产量数据进行分析,构建运城市苹果产量早期预测模型。首先,采用HP滤波法将运城市苹果年产量分为趋势产量和气象产量。其次,分别对苹果物候期：发芽期、花期、幼果期、膨果期、成熟期建立多元线性回归模型,研究每个物候期对苹果气象产量影响的强弱。最后,选取对苹果气象产量影响最强的幼果期建立BP神经网络早期预测模型,并对其进行验证。结果表明：选取幼果期建立的BP神经网络苹果产量早期预测模型其预测结果相对平均误差为7.08%,使用2019年相关数据验证BP神经网络产量早期预测模型的精度为89.6%,表明该模型能够较为准确的预测苹果产量,可为农作物产量早期预测提供理论支持。 相似文献
4.
The existing problems of the traditional weight integrating forecast methods and the application in climate prediction are analyzed. A new method based on data mining is presented, which uses BP artificial neural network to build the integrating forecast classifier to integrate the forecast results of sub-methods. According to the features of different forecast objects, this method can change weight dynamically, which overcomes the shortage of the traditional weight integrating forecasts that cannot change weight after been decided and overcomes the shortage that cannot get the optimal results. By predicting the precipitation and average temperature of Chengkou County in January, and spring drought index of Chongqing from 2001 to 2007, the experiment results show that the reliability and accuracy of the proposed model are better than those of the sub-methods and other integrating forecast methods, which proves the effectiveness of this method. 相似文献
5.
基于量子多种群遗传算法的蛋白质二级结构预测 总被引：1，自引：1，他引：0
为进一步提高蛋白质二级结构的预测精度,将量子计算和多种群算法融入到传统的遗传神经网络算法中。同时考虑到氨基酸残基的众多理化性质是形成蛋白质二级结构的主要驱动力,构象偏好也是影响蛋白质二级结构形成的重要因素,提出了一种新的基于理化性质和构象信息编码的量子多种群遗传算法。该方法蕴含了丰富的生物信息,可以有效减少网络系统的不确定性。用PDBselect25中的24条蛋白质进行测试,结果表明该算法可以有效的预测蛋白质的二级结构,平均预测精度达到72.10%,分别比SNN、DSC、PREDSATOR方法提高了7.80%、3.70%和3.41%。该方法采用混合编码的形式进行编码,在每个种群内部引入量子计算,形成了以多种群遗传算法来带动量子计算,量子计算反作用于多种群算法的双重优化的方法,可有效提高蛋白质二级结构预测的精确度。 相似文献
6.
基于布谷鸟搜索神经网络的微波加热温度预测模型 总被引：1，自引：0，他引：1
微波加热是一种与被加热物直接相互作用的选择性加热方式,具有清洁、节能、减排等特点。针对工业物料作为微波加热负载时,其温度非线性变化的特点,以微波工业加热过程中的多维、海量参数为研究对象,基于泛函接神经网络模型提取样本数据的深度特征,提出了一种基于布谷鸟搜索算法,优化BP神经网络的网络参数,建立了以"数据驱动"为手段微波加热工业物料温度模型。仿真实验结果证明了所提出模型的准确性、实时性。 相似文献
7.
粮食生产是国民经济重要的组成部分,粮食产量对于保证我国的粮食安全具有重要意义。旨在提高粮食产量预测的科学性和准确性,在分析现有预测方法的基础上,文中将灰色理论和神经网络有机地结合在一起,通过灰色理论关联度分析,在众多影响粮食产量的因素中确定出主要的、客观的因素指标,通过这些指标利用人工神经网络具有的非线性建模和极高的拟合精度特点,应用到粮食产量预测中去。结果表明：人工神经网络预测的最大误差1.21%,平均误差0.63%。预测精度较高。为粮食产量预测提供了一种科学的、有效的预测方法。 相似文献
8.
研究旨在运用时间序列和支持向量回归(support vector regression,SVR)理论,建立短期玉米价格预测模型,为玉米市场监测预警提供技术支持与决策依据。本研究根据玉米价格序列波动的非线性特征,以河南省2010年1月1日—2019年6月30日的月度数据为研究对象,结合混沌性时间序列与SVR理论,研究一种短期玉米价格预测模型。通过相空间重构的方法对价格序列进行处理,利用重构后的数据训练模型,运用网格交叉验证(GridSearchCV)对研究模型进行优化。得到一种基于时间序列支持向量回归的玉米价格预测模型。将研究模型的预测结果进行对比分析,结果显示,研究模型的预测值更贴近真实值,其平均相对误差(MRE)和均方根误差(RMSE)分别为0.006和20.57,优于传统支持向量回归模型的预测结果。研究模型可以为玉米价格预测提供方法依据,且相较于传统预测方法在精度方面具有优势。 相似文献
9.
雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和BP神经网络模型,并于翌年进行BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集(17)和确认集(3)数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。（1）BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;（2）BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;（3）BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。 相似文献
10.
基于人工神经网络理论的土壤水分预测研究 总被引：6，自引：2，他引：4
土壤水分含量是影响作物生长的重要因素,精确的预测技术对水资源的合理利用与管理具有重要的指导意义。利用人工神经网络理论,建立了以降水量、蒸发量、相对湿度和地下水埋深为输入因子,土壤水分含量为输出因子的预测模型,并对其预测精度进行了评价。结果表明,BP神经网络模型预测土壤含水率的最大误差为8.66%,平均误差为4.27%,预测精度达到0.989。模型具有较高的预测精度,其结果可为制定合理的水资源调配方案和调度计划提供科学依据。 相似文献
11.
为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。 相似文献
12.
毛竹导热系数的神经网络预测模型 总被引：1，自引：0，他引：1
为了准确测算一定范围内的毛竹导热系数,同时改进现有的竹材导热系数研究方法,笔者采用激光闪光法精确测量毛竹导热系数值,并以此为基础,建立毛竹导热系数随不同温度和密度变化的神经网络预测模型。由于原始BP算法收敛速度慢,笔者使用Trainlm函数训练神经网络模型,确定了最佳隐层神经元个数,并对该模型的输出预测值进行线性分析及误差分析。实验结果如下：毛竹导热系数神经网络模型具有很高的预测精度,能准确预测一定条件范围内毛竹的导热系数,从而节省了以往常规试验所花费的大量时间和资源。本研究初步揭示了毛竹导热系数随温度、密度等因素的变化关系,为进一步研究毛竹热物理特性提供了理论依据。 相似文献
13.
Pressure is measured at different levels in the loop layer because self adapting predictive decoupling control systems are strongly coupled, disturbed, and non linear and there is a long time delay for gas collector pressure systems in coke ovens. By combing the traditional neural network control and proportional integral differential(PID) controllers based on radial basis function(RBF) neural network identification, the gas collector pressure is ensured to reach the desired technology range. The prediction model of an RBF neural network is used for advanced prediction of the actual output pressure to overcome delays in general gas collection. The simulation results and application indicate that the method can obtain ideal control results. 相似文献
14.
基于RBF神经网络的蔬菜价格预报研究 总被引：3，自引：2，他引：1
准确预测农产品市场价格对于农户生产决策与政府调控等具有重要意义。针对蔬菜市场价格预报的复杂性,利用RBF神经网络的特性,应用2003-2007年的香菇市场价格数据建立蔬菜价格预报模型,并对RBF神经网络模型的参数选择进行分析。最后应用模型对2008-2009年的香菇市场价格数据进行预报,通过与BP神经网络模型预报结果进行比较,表明RBF神经网络模型具有更高的预报准确度。 相似文献
15.
基于随机森林算法的日光温室内气温预测模型研究 总被引：2，自引：0，他引：2
开展日光温室气温预报,为农业生产提供参考,指导农户采取调控措施,为作物生长提供适宜条件,促进品质和产量提升。研究选取温室外气温、日照等气象因子,建立随机森林算法预测模型,就室内最低、最高气温进行拟合预测分析和预测因子重要性评估。结果表明,温室内最低、最高气温拟合值与观察值的拟合度分别达99.69%和99.85%,温室外最低气温是室内最低气温的重要预测因子,室外日照是室内最高气温的重要预测因子。同时建立支持向量机、神经网络、多元回归、逐步回归模型,通过对各个模型中平均绝对误差、均方根误差等3个指标进行比较,得出随机森林模型的预测精度优于其他模型。基于随机森林算法的气温预测模型精确度较高,可推广应用到后期日光温室气温预测中。 相似文献
16.
摘要：针对稻瘟病在水稻生长过程中存在的严重危害,笔者基于四川资中地区1998-2008年的稻瘟病发生资料,运用灰色人工神经网络的方法（GBP ）,建立了稻瘟病发生的预报模型,结果表明：灰色人工神经网络模型的平均相对误差为0.0946,远远优于GM(1,1)模型的1.8857。灰色人工神经网络模型可以拟合任意一种函数关系,且该模型信息利用率高,避免了系统数据辨识方法在序列累加时因正负抵消而产生信息失真的现象。灰色人工神经网络模型的拟合和预测精度较高,可以用于该地区稻瘟病发生的预测工作。 相似文献
17.
联想神经网络的风速序列预测分析 总被引：1，自引：0，他引：1
为了提高风速序列预测的可靠性,针对具有混沌特性的风速序列,构造了一种用于风速序列预测的联想网络。以风速序列的波动性作为相似性测度准则,构造联想网络的存储样本模式,根据存储模式中蕴含的关联信息完成网络的无监督学习,从而完成具有自相似性的风速序列的一步或多步预测分析。与传统前向型神经网络相比,该网络预测机理明确,预测结果唯一,且可一次给出多步预测结果。仿真实验结果表明,该网络的具有良好预测性能,适用于风速序列的动态预测。 相似文献
18.
During the melting and processing practices, an accurate knowledge of liquidus temperature is necessary in the determination of process parameters relating to a given alloy. Adaptive neuro-fuzzy inference system (ANFIS) modeling method has been used to improve accuracy of prediction for liquidus temperature based on the compositions of Al-Si series cast alloys. The developed fuzzy inference system could extract Takagi-Sugeno type fuzzy rules from data directly, and has a feed-forward network structure with supervised learning capability. In order to adapt the parameters of the model, the proposed fuzzy inference system is trained over a wide range of compositions from the published data of industrial alloys. The result shows that, the developed ANFIS model can capture non-linear relationships between compositions and liquidus temperature, and then provides better prediction than the reported multiple statistic analysis. The developed model can be used to predict the liquidus temperature needed in computer modeling and thermodynamic calculation, which are needed in the aluminium alloys casting industry and research. 相似文献
19.
应用BP神经网络对熏煮香肠质构的感官评定预测进行了改进。数学检验结果表明,建立的BP神经网络模型平方根误差(RMSE)和标准预测误差(%SEP)较低,显著低于多元回归模型,而偏差因子(B)f和准确性因子(A)f都在可接受范围。BP神经网络可以作为较好的预测模型,用于实际肉类工业中肉制品的质构感官评价,实现机械测定全部或部分代替感官评定的快速性、实时性、便捷性检测。 相似文献
20.
A new pattern recognition method of gas sensor array detection 总被引：1，自引：0，他引：1
BP neural network based gas sensor array detection pattern recognition has some disadvantages, such as slow convergence and local minimum problem. A modified immune neural network model which combines BP algorithm and immune algorithm is proposed to enhance global search capability and improve the performance of the neural network model. Orthogonal test is adopted to design the study samples of neural network. This ensures the accuracy of neural network while reducing the number of samples. The simulation results show that the proposed pattern recognition method solves the cross sensitivity of gas sensor effectively, overcomes the disadvantages of traditional BP neural network and improves the learning speed and detection accuracy. 相似文献