GA-BP组合预测方法在北洛河年径流量预测中的应用 被引量：6

1

作者 王广宇 解建仓 张建龙 《干旱地区农业研究》 CSCD 北大核心 2014年第1期203-207,共5页

为寻求较为合理的径流量预测方法,利用GA-BP组合模型进行径流量预测的研究,首先利用GA算法(Geneticalgorithm)全局搜索能力定位出一个较好的搜索空间,再利用BP算法(Backpropagation)神经网络的局部寻优能力,以陕西省北洛河状头站实测数... 为寻求较为合理的径流量预测方法,利用GA-BP组合模型进行径流量预测的研究,首先利用GA算法(Geneticalgorithm)全局搜索能力定位出一个较好的搜索空间,再利用BP算法(Backpropagation)神经网络的局部寻优能力,以陕西省北洛河状头站实测数据为基础进行径流量预测。结果表明:利用GA-BP组合模型预测2001—2010年结果的相对误差分别为-8.9%、-12.6%、-7.4%、9.4%、-7.6%、15.0%、-5.5%、10.7%、13.3%和-8.2%,预测精度较高,从相对误差和训练次数比较可以看出,GA-BP组合模型优于基本BP模型和GA模型。 展开更多

关键词 径流量 预测 ga—bp组合模型 状头站

在线阅读 下载PDF 职称材料

地铁进站客流量SARIMA与GA-BP神经网络组合预测模型 被引量：12

2

作者 强添纲 刘涛 裴玉龙 《铁道运输与经济》 北大核心 2021年第12期134-142,共9页

为提高地铁进站客流量预测精度,提出一种基于SARIMA模型和GA-BP神经网络的客流量组合预测模型,通过已有客流相关数据构建预测客流量的SARIMA模型和GA-BP神经网络模型作为组合模型的子模型,再利用拟合SARIMA模型的最大季节回归多项式个... 为提高地铁进站客流量预测精度,提出一种基于SARIMA模型和GA-BP神经网络的客流量组合预测模型,通过已有客流相关数据构建预测客流量的SARIMA模型和GA-BP神经网络模型作为组合模型的子模型,再利用拟合SARIMA模型的最大季节回归多项式个数确定组合模型因变量个数,之后结合季节周期和子模型的预测值确定组合模型的因变量,并基于子模型预测值的平均绝对百分比误差(MAPE)确定组合模型的因变量权重,最后进行实例验证。结果表明:当预测个数为5个时,组合预测模型的MAPE为3.11%,介于子模型之间但优于传统的线性组合模型;当预测个数为10个时其MAPE为5.13%,优于所有对比模型。 展开更多

关键词 SARIMA模型 ga-bp神经网络 组合预测模型 客流量预测 平均绝对百分比误差

在线阅读 下载PDF 职称材料

基于ARMA-GABP组合模型的电网大停电事故损失负荷预测 被引量：12

3

作者 于群 张铮 +1 位作者 屈玉清 贺庆 《中国电力》 CSCD 北大核心 2018年第11期38-44,共7页

损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义。选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采... 损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义。选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采用相对值法对电网大停电事故损失负荷进行处理。根据实验数据的特点,将损失负荷相对值的数据结构分解为线性和非线性残差部分,建立自回归滑动平均(ARMA)模型和遗传算法(GA)优化的误差反向传播(BP)神经网络组合模型,对东北电网大停电事故进行综合分析与预测。将所提模型的预测结果与单一模型和ARMA-BP模型的预测结果相对比,结果表明,所提模型的预测精度更高,预测效果较为理想。为进一步验证该预测模型的有效性,将西北电网大停电事故数据代入预测模型,实验结果表明该预测模型在电网大停电事故损失负荷方面具有良好的预测效果。 展开更多

关键词 电网 大停电事故 损失负荷 ARMA模型 ga-bp神经网络 组合模型 预测

在线阅读 下载PDF 职称材料

基于GA-BP神经网络与正态区间估计的需水预测——以邯郸市为例 被引量：13

4

作者 马于航 索梅芹 《中国农村水利水电》 北大核心 2022年第3期19-24,共6页

科学准确的需水量预测结果可以为城市水资源供需平衡决策提供合理依据。针对城市需水涉及因素多、历史数据样本量少、需水量具有波动性和不确定性的特点,提出了基于GA-BP神经网络与正态区间估计的组合预测模型,模型使用主成分分析法、... 科学准确的需水量预测结果可以为城市水资源供需平衡决策提供合理依据。针对城市需水涉及因素多、历史数据样本量少、需水量具有波动性和不确定性的特点,提出了基于GA-BP神经网络与正态区间估计的组合预测模型,模型使用主成分分析法、灰色关联分析法筛选影响因子,加入遗传算法优化BP神经网络,构建GA-BP神经网络,最后引入正态区间估计,输出需水量区间预测值,利用此模型对邯郸市2019年总需水量进行模拟预测,结果表明:单一使用GABP神经网络的点预测结果相对误差在-6.2%~5.13%之间;基于GA-BP神经网络和正态区间估计的组合预测模型的区间预测结果相对误差在-1.01%~0.004%之间,可见基于GA-BP神经网络与正态区间估计的组合预测模型更稳定、更准确,更接近邯郸市实际需水状况,该组合模型可作为邯郸市需水量预测的一种方法。 展开更多

关键词 ga-bp神经网络 正态区间估计 组合模型 区间预测

在线阅读 下载PDF 职称材料

基于BPNN-EMD-LSTM组合模型的城市短期燃气负荷预测 被引量：27

5

作者 陈川 陈冬林 何李凯 《安全与环境工程》 CAS 北大核心 2019年第1期149-154,169,共7页

城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测。以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络(BPNN)-经验模态分解(EMD)-长短期记忆(LSTM)神经网络... 城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测。以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络(BPNN)-经验模态分解(EMD)-长短期记忆(LSTM)神经网络的组合预测模型,对该市短期燃气日负荷进行了预测。首先通过BPNN模型学习温度、日期属性影响下燃气负荷的主要特征,增长趋势等次要特征则体现在BPNN模型预测产生的残差中;然后采用EMD算法分解残差得到有限个本征模函数(IMF),并利用LSTM模型学习各IMF分量的短期时序规律,将各IMF分量的预测值相加得到残差预测值;最后将两部分预测值代数相加得到最终的预测结果。实证结果表明:与单一的LSTM模型和BPNN-LSTM模型相比,该组合预测模型半月步长的平均绝对误差为3.4%,预测精度更高,是一种更为有效的城市短期燃气负荷预测方法。 展开更多

关键词 短期燃气负荷 组合预测模型 bp神经网络 经验模态分解 长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于PSO-GA-BP优化算法的煤焦油产率预测研究

6

作者 詹润 韩锋 +3 位作者 张文永 刘英明 刘桂建 黄毅 《煤炭工程》 2025年第8期178-187,共10页

为了提高焦油产率预测的精度和效率,鉴于煤岩煤质指标之间的多元非线性复杂关系,通过筛选两淮煤田以往煤岩煤质指标较为齐全的129组钻孔数据,利用Pearson相关系数法相关性分析确定了氢碳比、氢元素、镜质组、挥发分与焦油产率相关性最强... 为了提高焦油产率预测的精度和效率,鉴于煤岩煤质指标之间的多元非线性复杂关系,通过筛选两淮煤田以往煤岩煤质指标较为齐全的129组钻孔数据,利用Pearson相关系数法相关性分析确定了氢碳比、氢元素、镜质组、挥发分与焦油产率相关性最强,氧化钙、氧化镁、氧化铁、氧化硅、氧化铝、固定碳与焦油产率相关性中等,其他指标相关性较弱,并将影响焦油产率的特征参数划分为“强、强+中、强+中+弱”三种指标参数组合,建立了基于PSO-GA-BP的组合优化算法预测模型,通过对不同参数组合进行机器学习训练,对比分析了不同预测模型实际应用效果。结果表明:“强+中”特征参数组合样本数据在训练过程中,性能和训练状态较优,其最佳适应度最大,绝对系数R^(2)、均方根误差RMSE、平均绝对误差MAE均好于其他特征参数组合。通过与BP、GA-BP、PSO-BP算法模型进行对比,PSO-GA-BP组合优化算法模型误差最小,在提高焦油产率预测精度和数据拟合效果方面更具优势。将本次利用钻孔建立的PSO-GA-BP组合算法模型应用到巷道采集扩展样品焦油产率预测中,预测模型表现出较好的泛化能力。建立完整和全面的煤岩煤质数据库,利用先进智能算法,可进一步提高模型学习能力和预测效果。 展开更多

关键词 PSO-ga-bp组合算法 焦油产率 特征参数 煤岩煤质 预测模型 误差

在线阅读 下载PDF 职称材料

基于遗传算法与BP神经网络的支架跟机自动化研究 被引量：17

7

作者 王虹 尤秀松 +1 位作者 李首滨 魏文艳 《煤炭科学技术》 CAS CSCD 北大核心 2021年第1期272-277,共6页

针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实... 针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作。组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线。通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率。相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化。基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变。采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑。 展开更多

关键词 支架跟机自动化 bp神经网络控制器 均方误差 适应度 ga-bp组合模型

在线阅读 下载PDF 职称材料

神经网络结合机器学习的煤与瓦斯突出量和危险性等级预测组合模型 被引量：1

8

作者 李江涛 王飞 《中国矿业》 北大核心 2024年第S02期176-184,共9页

准确预测煤与瓦斯突出危险性能够有效预防煤与瓦斯突出事故,保证煤矿的安全高效生产。为提高煤与瓦斯突出预测模型的准确性和普适性,提取BP神经网络最后一步隐藏层作为随机森林的输入特征,构建了BP神经网络结合随机森林的组合模型(BP-R... 准确预测煤与瓦斯突出危险性能够有效预防煤与瓦斯突出事故,保证煤矿的安全高效生产。为提高煤与瓦斯突出预测模型的准确性和普适性,提取BP神经网络最后一步隐藏层作为随机森林的输入特征,构建了BP神经网络结合随机森林的组合模型(BP-RF模型)。以60组煤与瓦斯突出工程数据集作为样本,采用平均误差、均方误差、危险等级预测精度和相关系数对模型进行了定量评价。研究结果表明:所建立的BP-RF模型对煤与瓦斯突出危险等级预测的准确率为99.9%,对煤与瓦斯突出量的预测准确率为94.87%。所建立了BP-RF模型性能优于BP、RF、IFOA-GRNN模型,精度较高。同时,根据所建立模型对所有特征的敏感性进行了分析,研究认为煤层深度、厚度煤层、地质构造变化、煤层厚度变化、煤层倾角变化、软层厚度变化、煤层软塌现象、煤层坚固系数变化、钻井动力学现象、气体释放初始速度对模型预测结果最为敏感,在煤矿实际开采过程中必须要高度重视。 展开更多

关键词 煤与瓦斯突出 bp神经网络 随机森林 组合模型 敏感性分析

在线阅读 下载PDF 职称材料

基于最优加权组合模型的转炉炼钢耗氧量预测 被引量：4

9

作者 王红君 蒋伟杰 +1 位作者 赵辉 岳有军 《河南理工大学学报（自然科学版）》 CAS 北大核心 2017年第2期94-98,共5页

针对转炉炼钢过程中氧气消耗量难以准确预测问题,提出了一种基于灰色系统和遗传算法优化的BP神经网络组合的转炉耗氧量预测模型。首先,对提取出的转炉冶炼历史数据,运用灰色关联度方法确定出转炉炼钢氧气消耗量序列的主导因数序列;再对... 针对转炉炼钢过程中氧气消耗量难以准确预测问题,提出了一种基于灰色系统和遗传算法优化的BP神经网络组合的转炉耗氧量预测模型。首先,对提取出的转炉冶炼历史数据,运用灰色关联度方法确定出转炉炼钢氧气消耗量序列的主导因数序列;再对筛选出的主导因数序列数据运用灰色系统模型和GA-BP神经网络模型分别进行预测,最后,根据模型的预测结果,以组合预测误差平方和最小为目标函数,计算出各个模型的最优权重系数并进行加权融合进而实现了对转炉氧气消耗量的预测。仿真结果表明,提出的组合预测模型在减小预测误差、提髙预测精度以及增强泛化能力等方面优势明显,更加适合于转炉炼钢耗氧量的预测。 展开更多

关键词 转炉氧气 灰色关联度分析 灰色系统 ga-bp神经网络 组合预测模型

在线阅读 下载PDF 职称材料

基于组合模型的油气管道腐蚀速率预测 被引量：10

10

作者 张甫仁 张辉 《石油机械》 北大核心 2010年第6期18-21,102,共4页

对预测管道腐蚀速率的2种主要方法——灰色预测方法和神经网络方法的优缺点进行分析,在此基础上,提出一种基于双改进的复合灰色神经网络预测方法。该算法总体思路为:首先计算灰色预测样本和真实值之间的残差,其次将残差作为神经网络的... 对预测管道腐蚀速率的2种主要方法——灰色预测方法和神经网络方法的优缺点进行分析,在此基础上,提出一种基于双改进的复合灰色神经网络预测方法。该算法总体思路为:首先计算灰色预测样本和真实值之间的残差,其次将残差作为神经网络的输入样本进行训练,然后利用马尔柯夫过程对预测残差进行修正,得到1组最终修正残差,最后根据灰色预测值和最终修正残差确定下一时刻数据的预测值。通过实例应用,并与相关文献结果进行比较,结果表明,基于双改进的灰色神经网络组合预测模型预测精度更高。 展开更多

关键词 灰色预测 bp神经网络 组合模型 油气管道 腐蚀速率

在线阅读 下载PDF 职称材料

基于时序数据的软件可靠性模型组合新方法 被引量：5

11

作者 李克文 刘洪太 《计算机应用》 CSCD 北大核心 2014年第A02期208-210,249,共4页

基于时序数据的软件可靠性模型受到越来越多的关注,然而单一模型在精确度和通用性上都存在不足,鉴于此,提出一种新的软件可靠性模型组合的方法,该方法将反向传播(BP)神将网络模型和支持向量机回归(SVMR)模型进行组合,通过遗传算法(GA)... 基于时序数据的软件可靠性模型受到越来越多的关注,然而单一模型在精确度和通用性上都存在不足,鉴于此,提出一种新的软件可靠性模型组合的方法,该方法将反向传播(BP)神将网络模型和支持向量机回归(SVMR)模型进行组合,通过遗传算法(GA)和滑动窗口机制构造可靠性模型输入,使用粒子群(PSO)算法选择单一模型的最优参数,并使用BP神经网络确定两个模型的权重值建立组合模型,来预测下一阶段的软件失效数据。最后进行了仿真实验并做了对比分析,结果表明该方法较单一模型具有更高的精确度和较好的通用性。 展开更多

关键词 时序数据 遗传算法 粒子群算法 滑动窗口 bp神经网络 支持向量机回归 模型组合

在线阅读 下载PDF 职称材料