共查询到20条相似文献,搜索用时 15 毫秒
1.
在煤矿的开采工作中,需要对各种安全隐患进行有效的预防,而冲击地压就是其开采过程中重要的安全威胁因素之一,采用有效的手段对冲击地压进行预测与防治是非常必要的,本文就对微地震监测技术在冲击地压的预测及防治中的应用进行分析,通过相关的实验能够看出,微地震监测成套技术对于冲击地压的预测及防治具有非常好的预测效果。 相似文献
2.
3.
4.
《科技视界》2014,(18)
DEA是一种基于线性规划理论、广泛应用于效率评价的系统分析方法,属于事后评价的范围。BP神经网络的容错能力、学习能力、纠错能力使其在非线性系统预测方面有着广泛的应用。目前DEA与BP神经网络的混合模型已得到广泛研究,其可以在资源投入阶段就进行评价,这样一旦发现问题可以及时调整,变事后评价为事前控制。但是软件的分离使用极大地限制了此混合模型的应用。本文基于DEA与BP神经网络,利用MATLAB将DEA软件与BP神经网络工具箱结合在一起,设计开发了混合效率预测模型系统。利用此系统可以进行效率预测,及时调整投入指标以减少投入资源的浪费,提高能源利用率,并且此系统提供了良好的人际交互界面,避免了复杂的人工操作。 相似文献
5.
6.
7.
为了解决羊只称重时因应激反应过大导致测量不精准问题,试验搭建了羊群动态称重系统并设计了一种改进GA-PSO-BP神经网络的羊群动态称重方法,即利用滑动平均滤波算法对干扰数据进行平稳处理,采用改进GA-PSO混合算法优化BP神经网络的权值和阈值;并对BP神经网络、PSO-BP神经网络、改进GA-PSO-BP神经网络三种模型进行训练和性能比较。结果表明:改进GA-PSO-BP神经网络的预测准确度最高,预测误差在1.00 kg内的体重值占85%;平均绝对百分比误差为0.679 6%,较BP神经网络(1.007 4%)和PSO-BP神经网络(0.975 2%)都有明显提升,但测量单只羊只所需时间为11.2 s,较PSO-BP神经网络(10.5 s)稍低。说明改进GA-PSO-BP神经网络的羊群动态称重方法可满足牧场智能化饲养需求。 相似文献
8.
《科技视界》2017,(13)
由于钢铁价格具有影响因子难以确定和非线性的特点,在数据挖掘预测分析是,传统的预测方法只能够对钢铁价格进行小数据量的分析,导致预测精度低、速度慢且效率低下。随着大数据的深入研究,将神经网络与spark相结合,能满足用户对实时数据处理的需求。在多个深度学习神经网络模型中,基于长短期记忆单元(Long Short-term memory,LSTM)的递归神经网络(recurrent neural network,RNN)模型因为其能有效利用序列数据中长距离依赖信息的能力,非常适用于价格指数的预测中。文章利用python和lstm,结合近几年钢铁交易价格的走势数据,对数据进行回归拟合,生成训练模型,然后将得出的模型用来对未来的钢铁交易价格进行预测,使用均方误差(MSE)对预测数据和原始数据进行误差分析与处理,并与支持向量回归(SVR)模型进行对比。 相似文献
9.
10.
对气象条件和新城疫发病率进行相关性分析,结合动物流行病学理论确定影响新城疫发病的关键气象因素。利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验。结果表明将6种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.760,证实预测效果较好。初步构建出新城疫发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考。 相似文献
11.
厚层坚硬硬顶板是煤层发生冲击地压的一个重要影响因素,对于坚硬不易冒落顶板采用深孔断顶爆破方法,可有效对顶板应力集中和积聚的大量弹性能进行有效释放,并能改变顶板的蓄能结构.尤其在薄煤层冲击地压的防治工作中是一种有效的治理手段. 相似文献
12.
13.
冲积地压是一种复杂的煤矿力学现象,通过对杏花煤矿可能形成冲积地压的原因,以及对冲积地压采取矿压观测、电磁辐射监测、钻屑法和微震等预测、预防技术,以便更好地认识、掌握和防治冲积地压。 相似文献
14.
对气象数据和猪蓝耳病发病率进行相关性分析,结合动物流行病学理论确定影响猪蓝耳病发病的关键气象因素.利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验.结果表明,将13种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.821,证实预测效果较好.初步构建出猪蓝耳病发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考. 相似文献
15.
16.
本文针对传统智能控制算法进行了基于MATLAB的仿真分析。采用三种控制方法:模型预测控制、模糊逻辑控制、神经网络控制。在模型预测控制中,先对模型预测控制进行了简单介绍,然后对模型预测控制举例分析,利用MATLAB进行仿真,编制MATLAB程序,设计MPC控制器,得到仿真曲线。在模糊逻辑控制中,采用模糊控制方法分别对循环流化床锅炉床温系统进行了仿真。最后应用神经网络对某典型非线性系统进行仿真研究[1]。 相似文献
17.
依据现有的草坪质量评价指标体系,于2010年调查了20个草地早熟禾品种成坪后的11项指标,包括草坪的密度、质地、颜色、均一性、绿期、抗病性、盖度、耐践踏性、成坪速度、草坪强度以及生物量。然后,运用神经网络原理及Matlab神经网络工具箱,以其中的15个草地早熟禾品种成坪后的11项指标的实地调查值作为网络输入,以专家打分作为网络输出,通过不断调整网络训练参数,使网络性能达到最优,构建了草坪质量综合评价的BP 和RBF神经网络模型,并给出了BP和RBF神经网络模型的分析方法及其Matlab实现步骤。利用训练好了的网络模型,对其余的5个草地早熟禾品种的综合质量评价得分进行网络预测,结果表明,RBF神经网络的预测误差均小于2%,而BP神经网络的预测误差均大于5%,因此,基于RBF神经网络模型的草坪质量评价结果比BP神经网络更准确,可以用于草坪质量综合评价。与常规的加权法、层次分析法或模糊综合评判法评价草坪质量相比,基于RBF神经网络模型的草坪质量综合评价,在一定程度上减少了评价中主观因素的影响,简化了计算步骤,为草坪质量综合评价提供了一种全新的思路。 相似文献
18.
19.
风电功率的预测关系到电网的功率平衡和运行安全。本文根据已有的风电功率历史数据,分别建立了基于时间序列分析法的ARMA模型、基于卡尔曼滤波法的风电功率预测模型和基于单一相空间重构的神经网络预测模型,利用matlab、excel、eviews等软件对未来一天和七天的不同时刻点的风电功率进行了预测,并在国家能源局对风电预测功率精度要求的基础上,根据所得的预测函数曲线图对模型进行了评价与分析,最终确定卡尔曼滤波法的预测模型为最佳推荐模型。然后通过对同种预测模型下不同数量发电机组间的预测精度的评价,得出风力发电机组集群影响单组发电机风电功率预测精度的结论。综合以上三个模型的优缺点,建立了基于多嵌入维数的风力发电功率神经网络预测模型,检验模型的预测精度,验证了该模型的可行性。 相似文献