期刊文献+
共找到585篇文章
< 1 2 30 >
每页显示 20 50 100
大规模数据的分布式神经网络回归模型研究 被引量:2
1
作者 蔡超 何馨怡 李丽 《统计与决策》 CSSCI 北大核心 2023年第17期34-39,共6页
随着计算机技术的飞速发展,大规模数据不断涌现,数据间呈现复杂的非线性特征,这使得传统的回归分析方法难以奏效。鉴于此,文章提出了基于交互有效方法的分布式神经网络回归(CE-RNN)模型,通过优化基于交互有效方法构建的神经网络回归模... 随着计算机技术的飞速发展,大规模数据不断涌现,数据间呈现复杂的非线性特征,这使得传统的回归分析方法难以奏效。鉴于此,文章提出了基于交互有效方法的分布式神经网络回归(CE-RNN)模型,通过优化基于交互有效方法构建的神经网络回归模型的替代损失函数来获得全局参数估计值的近似结果。该模型一方面采用分布式计算方法避免了单台机器难以处理大规模数据的难题,另一方面使用神经网络回归模型解决了非线性回归问题。数值模拟和应用研究的结果表明:CE-RNN模型的预测性能与全局神经网络回归模型基本一致,且优于基于单轮型方法的分布式神经网络回归模型。 展开更多
关键词 大规模数据 神经网络回归 分布式 交互有效 非线性
在线阅读 下载PDF
基于广义回归神经网络的钻柱涡动识别
2
作者 朱海峰 何英明 +3 位作者 李亚峰 王名春 项明 薛启龙 《西安石油大学学报(自然科学版)》 北大核心 2025年第4期80-89,97,共11页
为及时识别井下钻具涡动,降低钻井风险,利用时频分析技术标记了实际钻井信号中典型的涡动信号,分析了钻具涡动时正交三轴加速度计信号之间的关系,将加速度信号间相关系数作为涡动识别特征,建立了基于广义回归神经网络(General Regressio... 为及时识别井下钻具涡动,降低钻井风险,利用时频分析技术标记了实际钻井信号中典型的涡动信号,分析了钻具涡动时正交三轴加速度计信号之间的关系,将加速度信号间相关系数作为涡动识别特征,建立了基于广义回归神经网络(General Regression Neural Network,GRNN)的井下钻柱涡动识别模型。研究结果表明,所建涡动识别模型的综合识别精度为91.8%,可以在大量振动数据中快速准确识别出涡动信号。研究结果可为建立井下振动识别系统提供技术方法。 展开更多
关键词 振动信号 钻柱涡动 模式识别 广义回归神经网络
在线阅读 下载PDF
基于广义回归神经网络的光纤光栅传感器解调技术研究
3
作者 夏翔 李贤良 +3 位作者 潘华 闫东 张晓锋 张云辉 《电测与仪表》 北大核心 2025年第2期62-68,共7页
针对现有光纤光栅传感器波长峰值检测方法存在的误差大、稳定性差等问题,提出了一种基于广义回归神经网络和改进粒子群优化算法的光纤光栅传感器波长峰值检测方法。通过改进的粒子群优化算法对广义回归神经网络的平滑因子进行寻优,提高... 针对现有光纤光栅传感器波长峰值检测方法存在的误差大、稳定性差等问题,提出了一种基于广义回归神经网络和改进粒子群优化算法的光纤光栅传感器波长峰值检测方法。通过改进的粒子群优化算法对广义回归神经网络的平滑因子进行寻优,提高广义回归神经网络中心波长计算的准确性。通过试验分析所提方法在不同中心波长下的性能。结果表明,所提方法比传统方法更稳定,解调误差更小,整体中心波长绝对偏差降低了35.90%和24.24%,相对波长变化偏差降低了20.00%和13.04%。 展开更多
关键词 光纤光栅 峰值检测 中心波长 粒子群优化算法 广义回归神经网络
在线阅读 下载PDF
综合半参数变系数和GRNN神经网络的对流层延迟模型
4
作者 潘雄 张思莹 +3 位作者 李涛 黄伟凯 金丽宏 张红星 《地球物理学报》 北大核心 2025年第1期54-65,共12页
对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系... 对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系数与神经网络的新型经验对流层模型.首先,将频谱分析提取的主周期信号作为参数分量,将剩余周期信号和其他误差归入到非参数分量,建立半参数对流层天顶延迟模型(Semiparametric tropospheric zenith delay model,Semi);其次,为了减弱核函数和窗宽参数选择对估计值精度的影响,利用泰勒展式将参数分量展开到一次项,将窗宽参数与参数解算综合考虑,扩充为半参数变系数模型,综合核估计和最小二乘法,利用三步估计方法得到了参数分量和非参数分量的估计值及观测值的拟合残差;然后,引入广义回归神经网络模型(Generalized Regression Neural Network,GRNN)对拟合残差进行补偿建模,利用贝叶斯优化算法(Bayesian Optimization Algorithm,BOA)进行超参数选择,进一步提升混合模型对ZTD(Zenith Tropospheric Delay)的估计精度.最后,利用陆态网络2020至2022年的210个GNSS(Global Navigation Satellite System)测站的实测数据,对本文提出的半参数变系数与广义回归神经网络组合模型(Semiparametric Varying Coefficient-GRNN,Semi-VC-GRNN)与常用模型从系统误差分离和时空分布特性方面进行了对比分析.结果表明,Semi-VC-GRNN模型在2022年210个测站的测试中平均RMSE(Root Mean Square Error)和平均Bias分别为16.8 mm和0.4 mm,平均RMSE相较于5°分辨率和1°分辨率下的GPT3模型分别提升51.25%和50.07%. 展开更多
关键词 天顶对流层延迟 半参数变系数模型 广义回归神经网络模型 陆态网络
在线阅读 下载PDF
基于自回归小波神经网络的机械臂自适应滑模控制 被引量:1
5
作者 杨佳 吴佩林 +2 位作者 杨理 寇东山 余斌 《空间控制技术与应用》 CSCD 北大核心 2024年第3期68-76,共9页
针对机械臂存在模型不确定和未知扰动的问题,提出一种动力学模型参数分块逼近的神经网络非奇异终端滑模(nonsingular terminal sliding mode, NTSM)控制方法.为加快系统跟踪误差的收敛速度,避免传统终端滑模存在的奇异性问题,采用一种... 针对机械臂存在模型不确定和未知扰动的问题,提出一种动力学模型参数分块逼近的神经网络非奇异终端滑模(nonsingular terminal sliding mode, NTSM)控制方法.为加快系统跟踪误差的收敛速度,避免传统终端滑模存在的奇异性问题,采用一种非奇异终端滑模面.利用多组自回归小波神经网络(self-recurrent wavelet neural network, SRWNN)分块逼近系统未知的动力学模型参数,并采用自适应更新律调整权重.通过积分控制项补偿SRWNN的逼近误差,并使用Lyapunov稳定性理论证明了系统稳定性.使用MATLAB进行仿真分析,分块SRWNN滑模控制与滑模控制、整体SRWNN滑模控制相比,关节角度跟踪误差的平均稳态误差分别降低了31.9%、76.5%,表明此方法是一种可靠、有效的轨迹跟踪控制方法. 展开更多
关键词 回归小波神经网络 非奇异终端滑模 动力学模型 轨迹跟踪
在线阅读 下载PDF
融合GRNN神经网络的ZHD模型构建及其在中国区域PWV反演中的应用
6
作者 吴昂道 唐旭 张骋 《测绘通报》 北大核心 2025年第10期87-93,共7页
针对Saastamoinen模型依赖地表实测气压数据而多数GNSS站点缺乏气象仪导致对流层干延迟(ZHD)计算受限的问题,本文提出了基于广义回归神经网络(GRNN)的改进方法。通过融合掩星与探空站数据构建训练集,建立GRNN-ZHD预测模型,并结合中国地... 针对Saastamoinen模型依赖地表实测气压数据而多数GNSS站点缺乏气象仪导致对流层干延迟(ZHD)计算受限的问题,本文提出了基于广义回归神经网络(GRNN)的改进方法。通过融合掩星与探空站数据构建训练集,建立GRNN-ZHD预测模型,并结合中国地壳运动观测网络(CMONOC)的GNSS观测数据解算对流层总延迟(ZTD),构建反演大气可降水量(PWV)新模型。结果表明:在ZHD反演精度方面,GRNN模型的平均RMSE为15.23 mm,较GPT3模型(28.64 mm)提升约46.8%;在PWV反演方面,GRNN模型平均RMSE为5.17 mm,优于GPT3模型的10.76 mm(精度提升51.9%)。在20个验证站点中,GRNN模型在15个站点的PWV反演偏差低于7 mm,而GPT3模型仅有3个。 展开更多
关键词 Saastamoinen模型 对流层干延迟 广义回归神经网络 大气可降水量
在线阅读 下载PDF
广义回归神经网络修正GNSS垂向坐标时间序列环境负荷效应 被引量:3
7
作者 高菡 匡翠林 楚彬 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第9期3357-3366,共10页
环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入... 环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入数据驱动的广义回归神经网络(Generalized Regression Neural Network,GRNN)方法改善环境负荷修正效果.以川滇地区GNSS测站的垂向坐标时间序列为研究对象,首先基于变分贝叶斯独立分量分析(Variational Bayesian Independent Component Analysis,vbICA)技术分离坐标序列,分析得到周期性分量,发现大气及陆地储水负荷是引起测站坐标发生季节性变化的重要原因.然后通过GRNN建立与大气及陆地储水相关的环境因素数据和坐标时间序列数据之间的关联,进而消除坐标时间序列中两种环境负荷的影响.经数据驱动的GRNN建模修正大气及陆地储水负荷影响后,各测站坐标残差序列的RMS值平均降低了21.56%,而采用传统的物理模型方法修正后平均降低幅度仅为9.29%,可认为基于GRNN方法的改正效果更好.另外顾及地下温度、冰浓度、比湿、降雨率四种气候因素的影响建立GRNN模型,结果表明地下温度因素对川滇地区GNSS测站垂向坐标影响稍大. 展开更多
关键词 GNSS坐标时间序列 环境负荷 广义回归神经网络 数据驱动
在线阅读 下载PDF
基于木材振动特性的月琴声学品质广义回归神经网络预测模型 被引量:1
8
作者 杨扬 《森林工程》 北大核心 2024年第4期160-167,共8页
泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价... 泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价以及制备月琴的共鸣板信息,提出月琴音质的预测模型。在180组数据中,随机抽取135组数据进行训练,其余45组数据进行验证。使用主成分分析方法、GRNN建立月琴声学质量评价模型,并进行仿真预测。结果表明,基于共鸣板的振动特性,利用Matlab仿真可以实现对月琴音质的预测,预测的准确率可达到91.41%。此外,研究还表明,泡桐木共鸣板的动态弹性模量、声辐射阻尼系数、弹性模量、剪切模量比、声阻抗,损耗角正切和声转化率等参数均是影响其制备成品月琴声学质量的重要因素。 展开更多
关键词 广义回归神经网络 主成分分析 声学品质 振动特性 共鸣板 木材 民族乐器
在线阅读 下载PDF
改进的MVO-GRNN神经网络岩爆预测模型研究 被引量:7
9
作者 侯克鹏 包广拓 孙华芬 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期923-932,共10页
准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Net... 准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Network,GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_(WEP))和旅行距离率(V_(TDR))两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。 展开更多
关键词 安全工程 岩爆预测 多元宇宙算法 广义回归神经网络(GRNN) 虫洞存在概率 旅行距离率
在线阅读 下载PDF
基于可见光谱结合神经网络算法快速鉴别特级初榨橄榄油
10
作者 袁媛 张晋 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第10期2973-2980,共8页
随着中国经济的不断繁荣,人民对物质生活水平提出了更高的要求,预防疾病、改善身体功能的食品成为当前消费市场的“热点”。油脂能提供人体所必需的能量,食用油是人类获取油脂的主要途径之一,而高品质植物油含有对人体健康更有益的物质... 随着中国经济的不断繁荣,人民对物质生活水平提出了更高的要求,预防疾病、改善身体功能的食品成为当前消费市场的“热点”。油脂能提供人体所必需的能量,食用油是人类获取油脂的主要途径之一,而高品质植物油含有对人体健康更有益的物质,例如单不饱和脂肪酸、多酚、角鲨烯、维生素E等营养物质。由于采用物理冷榨工艺,特级初榨橄榄油几乎保留了其橄榄果中所有的营养物质,油酸含量高达70%。因此,虽然作为一种“舶来品”,特级初榨橄榄油进入中国市场后一直是植物油市场中的“宠儿”,其价格也明显高于市场上的普通植物油。在利益的驱动下,特级初榨橄榄油的制假贩假现象屡禁不止,制假贩假的手段也不断更新迭代,从而造成国内橄榄油市场假冒伪劣产品屡禁不止,掺假的油品不仅会对消费者的生命财产造成伤害,而且也会影响合法经营者的生产和销售,扰乱销售市场,破坏市场秩序,影响民众对特级初榨橄榄油的认可度。为实现特级初榨橄榄油掺伪量的快速、准确、低成本地检测,提出一种基于广义回归神经网络结合紫外可见光谱实现植物油定性定量分析方法。广义回归神经网络在学习速度和非线性映射能力上表现出色,且扩散因子是其网络的唯一优化参数,不需要反向传播和反复迭代。与其他检测技术相比,紫外可见光谱技术在检测周期、稳定性、低维护成本等方面具有压倒性优势。通过两种方法的联用在植物油定性鉴别中实现了100%的判别,在特级初榨橄榄油掺伪定量检测中实现了判定系数R2优于0.98875,均方根误差RMSE优于0.03833的结果。研究结果表明,该模型在植物油种类鉴别及特级初榨橄榄油掺伪定量检测中表现出优秀的预测能力。 展开更多
关键词 定性定量 植物油 特级初榨橄榄油 紫外可见光谱 广义回归神经网络
在线阅读 下载PDF
柔性铰接板振动视觉测量与小波神经网络控制
11
作者 邱志成 刘一鸿 李旻 《光学精密工程》 EI CAS CSCD 北大核心 2024年第7期998-1010,共13页
为了解决航天器上用于供能的太阳帆板类柔性薄板结构的振动问题,针对一种移动柔性铰接板系统构建了双目视觉系统的振动测控实验平台,采用双目立体视觉方法来检测振动,并设计了自回归小波神经网络控制器(Self-Recurrent Wavelet Neural N... 为了解决航天器上用于供能的太阳帆板类柔性薄板结构的振动问题,针对一种移动柔性铰接板系统构建了双目视觉系统的振动测控实验平台,采用双目立体视觉方法来检测振动,并设计了自回归小波神经网络控制器(Self-Recurrent Wavelet Neural Network Controller,SRWNNC)来抑制振动。对双目视觉系统进行了标定,基于视差原理和图像处理算法,通过解算标志点的三维坐标来获取振动信号。建立了系统的有限元模型,并通过辨识得到校正后的系统模型参数。基于辨识得到的模型在仿真环境中训练SRWNNC,用于实验系统的振动主动控制。分别针对移动柔性铰接板系统固定基座和平移轨迹运动两种情况,进行了双目视觉振动检测和振动控制仿真和实验研究。仿真和实验结果表明,双目视觉传感器对振动信号的检测精度小于0.1 mm,SRWNNC也展现出比大增益PD控制器更好的抑振效果,验证了双目视觉振动检测和SRWNNC抑制振动的准确性和有效性。 展开更多
关键词 双目视觉 移动柔性铰接板 回归小波神经网络 振动抑制
在线阅读 下载PDF
广义回归神经网络在煤灰熔点预测中的应用 被引量:31
12
作者 周昊 郑立刚 +1 位作者 樊建人 岑可法 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2004年第11期1479-1482,共4页
为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实... 为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力. 展开更多
关键词 灰熔点 灰组分 广义回归神经网络 GRNN
在线阅读 下载PDF
基于神经网络分位数回归的VaR金融风险测度 被引量:11
13
作者 许启发 徐金菊 +1 位作者 蒋翠侠 刘晓华 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第12期1518-1522,共5页
基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度... 基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。 展开更多
关键词 金融风险 风险价值(VaR) 分位数回归 神经网络分位数回归
在线阅读 下载PDF
基于广义回归神经网络的货运量预测 被引量:72
14
作者 赵闯 刘凯 李电生 《铁道学报》 EI CAS CSCD 北大核心 2004年第1期12-15,共4页
根据货运量形成的原因 ,分析了货运量和相关影响因素之间的关系以及货运量预测的特点。在此基础上 ,建立货运量预测的广义回归神经网络 (GeneralRegressionNeuralNetwork ,GRNN)模型 ,并以我国 1981~ 2 0 0 1年的货运量和相关经济指标... 根据货运量形成的原因 ,分析了货运量和相关影响因素之间的关系以及货运量预测的特点。在此基础上 ,建立货运量预测的广义回归神经网络 (GeneralRegressionNeuralNetwork ,GRNN)模型 ,并以我国 1981~ 2 0 0 1年的货运量和相关经济指标的历史统计数据作为学习样本 ,通过拟合训练和外推预测分析 。 展开更多
关键词 货运量 预测 广义回归神经网络
在线阅读 下载PDF
基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测 被引量:34
15
作者 王昕 黄柯 +4 位作者 郑益慧 李立学 邵凤鹏 贾立凯 徐清山 《电网技术》 EI CSCD 北大核心 2017年第2期455-461,共7页
随着光伏发电大容量地并入电网,其输出的随机性必将对大电网安全稳定运行造成影响,为此建立了一种变权重的光伏短期组合预测模型,首先通过主成分分析法(principal component analysis,PCA)将影响光伏出力的多重线性因素进行压缩、提取... 随着光伏发电大容量地并入电网,其输出的随机性必将对大电网安全稳定运行造成影响,为此建立了一种变权重的光伏短期组合预测模型,首先通过主成分分析法(principal component analysis,PCA)将影响光伏出力的多重线性因素进行压缩、提取以简化模型输入变量的维数,然后将提取的第一主成分结合灰色关联度来筛选相似日样本,接着将样本分别带入最小二乘支持向量机、改进BP网络2种单一模型进行2次预测。第1次预测作为相似日预测,用来训练权重系数,训练方法是萤火虫算法优化的广义回归神经网络;第2次预测是待预测日的预测。仿真结果验证了所提模型的有效性。 展开更多
关键词 主成分分析法 灰色关联度 萤火虫算法 广义回归神经网络
在线阅读 下载PDF
基于广义回归神经网络的时间序列预测研究 被引量:49
16
作者 冯志鹏 宋希庚 +2 位作者 薛冬新 郑爱萍 孙玉明 《振动.测试与诊断》 EI CSCD 2003年第2期105-109,共5页
介绍了广义回归神经网络的基本理论 ,提出了应用 BIC准则确定输入神经元数目的方法 ,将其应用于大型旋转机械振动状态时间序列的单步和多步预测 ,与传统的采用误差反向传播学习算法的三层前馈感知器网络 (BP神经网络 )的预测结果进行对... 介绍了广义回归神经网络的基本理论 ,提出了应用 BIC准则确定输入神经元数目的方法 ,将其应用于大型旋转机械振动状态时间序列的单步和多步预测 ,与传统的采用误差反向传播学习算法的三层前馈感知器网络 (BP神经网络 )的预测结果进行对比。结果表明 ,该网络的预测性能优于后者 ,即使样本数据稀少 。 展开更多
关键词 广义回归神经网络 时间序列预测 平滑参数 网络结构 旋转机械 振动状态
在线阅读 下载PDF
基于广义回归神经网络与遗传算法的煤灰熔点优化 被引量:9
17
作者 石喜光 郑立刚 +3 位作者 周昊 陈习珍 邱坤赞 岑可法 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2005年第8期1189-1192,1242,共5页
考虑固态和液态排渣锅炉对煤灰熔点的不同要求,采用广义回归神经网络建立了煤灰软化温度模型.神经网络的输入变量为7个,即煤灰中SiO2、Al2O3、Fe2O3、CaO、MgO、TiO2、Na2O&K2O的质量分数.以煤灰软化温度作为目标函数,采用遗传算法... 考虑固态和液态排渣锅炉对煤灰熔点的不同要求,采用广义回归神经网络建立了煤灰软化温度模型.神经网络的输入变量为7个,即煤灰中SiO2、Al2O3、Fe2O3、CaO、MgO、TiO2、Na2O&K2O的质量分数.以煤灰软化温度作为目标函数,采用遗传算法寻优计算获得当煤灰软化温度最高和最低时煤灰中氧化物的组成.广义回归神经网络仅需30个训练样本,最大和平均相对误差分别为21.8%和1.55%.优化结果表明,掺烧高钙煤或者向燃煤中添加石灰石等富含Ca的原料可以降低煤灰熔点;而增加Al2O3的质量分数可以提高煤灰熔点. 展开更多
关键词 灰熔点 灰组分 广义回归神经网络 遗传算法
在线阅读 下载PDF
广义回归神经网络模型在短期电力负荷预测中的应用研究 被引量:32
18
作者 谷志红 牛东晓 王会青 《中国电力》 CSCD 北大核心 2006年第4期11-14,共4页
介绍了广义回归神经网络(GRNN)的基本理论,指出其回归的实质就是对平滑参数的优化。考虑到常规差分进化算法容易“早熟,”全局寻优效率偏低,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作... 介绍了广义回归神经网络(GRNN)的基本理论,指出其回归的实质就是对平滑参数的优化。考虑到常规差分进化算法容易“早熟,”全局寻优效率偏低,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作,实现了高效全局搜优。以推广能力作为优化目标,所建的GRNN有很强的非线性拟合能力和优良的预报性能,将其成功地为短期电力负荷预测建模,获得了满意的预测结果。 展开更多
关键词 负荷预测 广义回归神经网络 差分进化算法 优进策略
在线阅读 下载PDF
应用广义回归神经网络进行土壤空间变异研究 被引量:55
19
作者 沈掌泉 周斌 +1 位作者 孔繁胜 John S.Bailey 《土壤学报》 CAS CSCD 北大核心 2004年第3期471-475,共5页
关键词 广义回归神经网络 土壤性质 空间变异 空间插值技术 地统计学
在线阅读 下载PDF
基于广义回归神经网络的油纸绝缘变压器的寿命预测 被引量:20
20
作者 林喆 兰生 张宇航 《高压电器》 CAS CSCD 北大核心 2015年第2期125-130,共6页
文中基于广义回归神经网络(GRNN)技术挖掘数据变化规律,构建了GRNN神经网络预测模型,运用该模型对油纸绝缘变压器进行寿命预测。将变压器绝缘纸老化过程中生成的特征产物如糠醛、CO2和CO的质量分数,以及相关时间参量作为模型输入。将所... 文中基于广义回归神经网络(GRNN)技术挖掘数据变化规律,构建了GRNN神经网络预测模型,运用该模型对油纸绝缘变压器进行寿命预测。将变压器绝缘纸老化过程中生成的特征产物如糠醛、CO2和CO的质量分数,以及相关时间参量作为模型输入。将所采集的多组油纸绝缘变压器的测试样本作为基础数据,运用该模型对相应的变压器进行寿命预测。结果表明,模型寿命预测的输出值与实际值基本一致,从而验证了模型的合理性,这对监测绝缘材料老化状态的进一步研究具有现实意义。 展开更多
关键词 广义回归神经网络 油纸绝缘变压器 寿命预测
在线阅读 下载PDF
上一页 1 2 30 下一页 到第
使用帮助 返回顶部