造價(jià)通
更新時(shí)間：2024.12.28
基于改進(jìn)人工魚群算法的梯級(jí)水庫(kù)群優(yōu)化調(diào)度

格式：pdf

大小：1.0MB

頁(yè)數(shù)： 8頁(yè)

分析了人工魚群算法存在的問(wèn)題,提出一種改進(jìn)人工魚群算法,并將其用于梯級(jí)水庫(kù)群的優(yōu)化調(diào)度.其改進(jìn)思想是采用動(dòng)態(tài)調(diào)整人工魚視野和步長(zhǎng)的方法,較好地平衡了人工魚群算法的全局搜索能力和局部搜索能力的矛盾;在此基礎(chǔ)上,針對(duì)算法局部更新策略引起的更新操作前后個(gè)體空間位置變化較大,降低收斂速度這一問(wèn)題,在局部更新時(shí)采用了閾值選擇的策略.通過(guò)實(shí)例驗(yàn)證了該改進(jìn)算法的有效性,并對(duì)改進(jìn)算法的閾值參數(shù)進(jìn)行了率定.

基于人工魚群神經(jīng)網(wǎng)絡(luò)算法的建筑能耗預(yù)測(cè)

格式：pdf

大?。?span class="single-tag-height">1.6MB

頁(yè)數(shù)： 5頁(yè)

為克服傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)方法在建筑能耗預(yù)測(cè)的不足,提出了一種基于時(shí)間序列自相關(guān)分析的人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。對(duì)建筑標(biāo)準(zhǔn)能耗進(jìn)行自相關(guān)分析,確定輸入變量的維數(shù),結(jié)合人工魚群算法尋優(yōu)速度快、易跳出極值等優(yōu)點(diǎn),對(duì)BP神經(jīng)網(wǎng)絡(luò)的初值權(quán)值和閾值進(jìn)行優(yōu)化,建立能耗預(yù)測(cè)模型,并用模型對(duì)西安某高校建筑一個(gè)月的能耗值進(jìn)行預(yù)測(cè)。結(jié)果表明,較傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型,人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有更快的收斂速度,預(yù)測(cè)精度在±1%左右,預(yù)測(cè)誤差隨著迭代次數(shù)的增加而降低。

熱門知識(shí)

墻飾魚群圖

精華知識(shí)

墻飾魚群圖

最新知識(shí)

墻飾魚群圖
點(diǎn)擊加載更多>>

相關(guān)問(wèn)答

墻飾魚群圖
點(diǎn)擊加載更多>>
專題概述
墻飾魚群圖相關(guān)專題

分類檢索：