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(dòng)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(gè)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(gè)體賦給elman動(dòng)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(shí)測電力數(shù)據(jù)對該方法和模型進(jìn)行驗(yàn)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(shí)間的同時(shí)，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(qiáng)耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動(dòng)態(tài)性,因而傳統(tǒng)方法的預(yù)測精度不高。而動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動(dòng)、更直接地反映系統(tǒng)的動(dòng)態(tài)特性。針對這個(gè)特點(diǎn),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(shí)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(shí)驗(yàn)證明了elman神經(jīng)網(wǎng)絡(luò)具有動(dòng)態(tài)特性好、逼近速度快、精度高等特點(diǎn),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(yàn)機(jī)得到的實(shí)驗(yàn)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(jī)地整合了計(jì)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(dòng)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(qiáng)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(shí)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(shí)例檢驗(yàn)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(shí)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(shí)例檢驗(yàn)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(shí)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(huì)遇到預(yù)測結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時(shí)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(shí)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(shí)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(shí)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(shí)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(shí)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(diǎn),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(qiáng)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(shí)測50期監(jiān)測數(shù)據(jù)進(jìn)行仿真預(yù)測。實(shí)驗(yàn)結(jié)果表明,利用自適應(yīng)增強(qiáng)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(xiàng)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(diǎn)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(diǎn)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(dòng)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(yàn),得出神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差低于3.5%,證實(shí)了統(tǒng)計(jì)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(dòng)預(yù)測方法。該方法利用動(dòng)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(shí)現(xiàn)對聚類中心的個(gè)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(shí)用實(shí)時(shí)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(shí)刻的熱負(fù)荷,用于實(shí)現(xiàn)熱網(wǎng)熱負(fù)荷短期滾動(dòng)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(shí)用價(jià)值。

建筑節(jié)能是當(dāng)今城市建設(shè)和社會(huì)發(fā)展的前沿和研究熱點(diǎn),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(jì)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(diǎn)的缺點(diǎn),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(jì)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(shí)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(shí)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(gè)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(diǎn)數(shù)據(jù)預(yù)測建筑能耗,并與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),驗(yàn)證了該網(wǎng)絡(luò)模型的可行性。該方法使建筑師在設(shè)計(jì)階段能夠簡單且準(zhǔn)確地獲得設(shè)計(jì)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(gè)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(diǎn)數(shù)據(jù)預(yù)測建筑能耗,與dest-h模擬計(jì)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(shí)例驗(yàn)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(jì)階段就能快速且準(zhǔn)確地獲得設(shè)計(jì)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(shí)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(yàn)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(shí)際主觀調(diào)查吻合.

提出了根據(jù)實(shí)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(shí)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(jià)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(gè)月的能耗數(shù)據(jù),對該模型進(jìn)行訓(xùn)練和測試。實(shí)驗(yàn)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(shí)客流預(yù)測數(shù)據(jù)對運(yùn)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(dòng)通信數(shù)據(jù)作為換乘站點(diǎn)換乘客流統(tǒng)計(jì)的數(shù)據(jù)來源,得到了精確的單條線路某個(gè)換乘站的換乘人數(shù),并結(jié)合自動(dòng)售檢票系統(tǒng)的統(tǒng)計(jì)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(diǎn)的運(yùn)營組織方案提供了良好的數(shù)據(jù)支撐.同時(shí)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.

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),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(diǎn)等缺點(diǎn)。結(jié)合現(xiàn)場實(shí)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(diǎn),提出了用附加動(dòng)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(dòng)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(diǎn)的缺點(diǎn)。結(jié)合現(xiàn)場實(shí)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。

海軍艦船特裝修理費(fèi)用影響因素多,各因素作用機(jī)理不明晰,建模預(yù)測難度大。bp神經(jīng)網(wǎng)絡(luò)對于解決這類“黑箱”問題優(yōu)勢明顯,可通過自我學(xué)習(xí)訓(xùn)練建立模型。以某型艦船特裝修理費(fèi)用為例,充分利用稀缺的歷史數(shù)據(jù),運(yùn)用改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)建立費(fèi)用預(yù)測模型,并進(jìn)行了特裝修理費(fèi)用預(yù)測,預(yù)測精度優(yōu)于傳統(tǒng)模型,可應(yīng)用于管理決策活動(dòng)中。