期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,341篇文章
< 1 2 … 118 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于模糊神经网络-粒子群优化算法的电机直驱操动机构速度环控制参数优化方法
1
作者 黎卫国 马丽娟 +4 位作者 张长虹 杨旭 李明洋 肖曦 王潇 《电气工程学报》 北大核心 2025年第3期20-27,共8页
电机直驱操动机构作为一种融合电力电子器件与永磁同步电机的新型操动机构,具备传动结构简单、控制柔性高、数字化能力强等优势。针对在实际运行工况中,电机直驱操动机构负载的变化导致速度环性能下降的问题,提出一种基于模糊神经网络(F... 电机直驱操动机构作为一种融合电力电子器件与永磁同步电机的新型操动机构,具备传动结构简单、控制柔性高、数字化能力强等优势。针对在实际运行工况中,电机直驱操动机构负载的变化导致速度环性能下降的问题,提出一种基于模糊神经网络(Fuzzy neural network,FNN)-粒子群优化(Particle swarm optimization,PSO)算法的电机直驱操动机构速度环控制参数优化方法,标准PSO算法用于优化电机直驱操动机构中永磁同步电机(Permanent magnet synchronous motor,PMSM)控制系统的速度环PI(Proportional integral,PI)参数,而FNN算法用于优化PSO算法中的惯性权重。首先,建立PMSM数学模型,并分析速度环PI控制器参数设计方法;其次,基于标准PSO算法对电机直驱操动机构中PMSM控制系统速度环PI控制器参数优化进行分析;随后,结合FNN算法对标准PSO算法中的惯性权重进行优化;最终,通过试验验证了所提方法的有效性。试验结果表明,该方法能够提高电机直驱操动机构控制系统速度环性能,为电机直驱操动机构在面对系统惯量变化时的控制性能提升提供了一种有效的解决方案。 展开更多
关键词 高压断路器 操动机构 模糊神经网络 粒子群算法
在线阅读 下载PDF
改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究
2
作者 张国浩 王彩玲 +1 位作者 王洪伟 于涛 《光谱学与光谱分析》 北大核心 2025年第2期394-402,共9页
使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总... 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。 展开更多
关键词 光谱数据 改进粒子群优化算法 BP神经网络模型 核主成分分析(KPCA) 总磷浓度
在线阅读 下载PDF
基于粒子群优化的BP神经网络PID的加速度计组件温控算法 被引量：1
3
作者 魏国 朱旭 +3 位作者 高春峰 侯承志 程嘉奕 陈迈伦 《中国惯性技术学报》 北大核心 2025年第4期359-366,共8页
在高精度惯性导航系统和惯性重力测量系统中,石英挠性加速度计的温变特性直接影响着系统的导航精度和重力测量系统精度,加速度的高精度信息测量对加速度计组件工作环境温度稳定性提出了更高要求。为进一步提高温控精度和抗扰动能力,提... 在高精度惯性导航系统和惯性重力测量系统中,石英挠性加速度计的温变特性直接影响着系统的导航精度和重力测量系统精度,加速度的高精度信息测量对加速度计组件工作环境温度稳定性提出了更高要求。为进一步提高温控精度和抗扰动能力,提出了基于PSO-BPNN-PID控制器,利用粒子群优化算法和反向传播算法对神经网络PID控制器进行离线和在线的连接权值整定,实现石英挠性加速度计组件一体化温度控制算法,满足加速度计组件的自适应智能控制需求。仿真和实验结果表明,所提算法能够显著提升系统的温度稳定性,可实现±0.002℃的温度稳定控制。同时,验证了系统具备快速响应温度变化的能力,能够在短时间内将温度调整至设定值附近,并有效抑制超调现象。此外,实验还模拟了外部扰动情况,验证了系统在面对扰动时能够迅速恢复稳定状态,表现出优越的抗扰动能力,可以满足多种温度环境下的加速度计组件高精度温控应用需求。 展开更多
关键词 石英挠性加速度计 温度控制 粒子群优化算法 BP神经网络
在线阅读 下载PDF
基于粒子群优化算法的量子卷积神经网络
4
作者 张嘉雯 蔡彬彬 林崧 《量子电子学报》 北大核心 2025年第1期123-135,共13页
针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在... 针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在图像分类任务上表现优异的电路结构。基于Fashion MNIST和MNIST标准数据集的仿真实验表明,该模型具有较强的学习能力和良好的泛化性能,准确率分别可达94.7%和99.05%。相较于现有量子卷积神经网络模型,平均分类精度最高分别提升了4.14%和1.43%。 展开更多
关键词 量子光学 量子卷积神经网络 粒子群优化算法 量子机器学习 参数化量子电路
在线阅读 下载PDF
自适应策略优化的粒子群优化算法在神经网络架构搜索中的应用 被引量：2
5
作者 程金芮 金瑾 +3 位作者 张朝龙 孔超 何嘉 张鑫 《计算机应用》 CSCD 北大核心 2024年第S01期60-64,共5页
针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与... 针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与局部信息的协同作用和智能切换学习策略。具体地,ARCLPSO利用全局和局部信息的协同作用令粒子向更优的方向移动,通过智能的切换粒子学习策略平衡粒子的搜索性能和收敛速度,提高搜索速度和搜索质量。在NAS-Bench-101数据集上的实验结果表明,ARCLPSO的收敛时间相较于传统进化算法(REA)和随机搜索(RS),分别减少了40.9%和55.2%。 展开更多
关键词 神经网络架构搜索 粒子群优化 进化算法 NAS-Bench-101 自适应的协作学习算法
在线阅读 下载PDF
基于粒子群优化BP神经网络的核事故源项反演
6
作者 游清悦 曹博 +3 位作者 彭丁萍 李中昊 缪学伟 陈洲亮 《核电子学与探测技术》 北大核心 2025年第3期371-381,共11页
核事故发生后,快速准确地估算源物质的释放速率对于提升核应急响应速度及确保决策的可靠性至关重要。本文选择碘-131(^(131)I)核素的释放速率作为源项反演的目标值,利用课题组开发的放射性核素大气扩散模拟程序RADC生成神经网络训练所... 核事故发生后,快速准确地估算源物质的释放速率对于提升核应急响应速度及确保决策的可靠性至关重要。本文选择碘-131(^(131)I)核素的释放速率作为源项反演的目标值,利用课题组开发的放射性核素大气扩散模拟程序RADC生成神经网络训练所需的数据集。利用Matlab构建了粒子群算法(Particle Swarm Optimization,PSO)优化误差反向传播(Back Propagation,BP)神经网络的核事故源项反演模型,同时考虑了粒子群算法中超参数和适应度函数的不同对算法优化性能的影响。结果表明:PSOBP模型源项反演测试结果的平均绝对百分比误差为2.14%,平均绝对误差为0.011437,均方差为0.000685,各个评价指标明显优于BP神经网络,验证了该模型的可行性,有助于快速核应急响应。 展开更多
关键词 源项反演 BP神经网络 粒子群优化 参数优化 适应度函数
在线阅读 下载PDF
基于粒子群优化神经网络的光网络节点信号异常数据提取
7
作者 何健 张瀚驰 《激光杂志》 北大核心 2025年第3期181-186,共6页
随着现代光通信网络的快速发展,光网络的安全性备受瞩目。为了保证信息的准确性,降低光网络异常信息出现的频率,提出基于粒子群优化光网络节点信号异常数据提取方法。首先,设计滤波器组对光网络节点信号展开频带处理。在此基础上构造判... 随着现代光通信网络的快速发展,光网络的安全性备受瞩目。为了保证信息的准确性,降低光网络异常信息出现的频率,提出基于粒子群优化光网络节点信号异常数据提取方法。首先,设计滤波器组对光网络节点信号展开频带处理。在此基础上构造判决统计量,将其作为依据判决处理各频带,实现节点信号增强处理;其次,依据经验模态算法对节点信号展开分解,通过筛选获取有效的IMF分量,计算其能量作为该节点信号特征,为后续异常数据的提取提供依据。最后,通过粒子群优化算法优化BP神经网络权值,将节点信号特征输入优化后的神经网络,实现光网络节点信号异常数据提取。经实验验证:该方法对节点信号增强效果好,提取IMF分量能量以及光网络节点信号异常数据精度高、稳定性好。 展开更多
关键词 光网络节点信号 经验模态分解 BP神经网络 粒子群算法 异常数据提取
在线阅读 下载PDF
基于自适应变异粒子群算法和BP神经网络的短期燃气负荷预测 被引量：13
8
作者 张少平 徐晓钟 代军委 《计算机应用》 CSCD 北大核心 2016年第A01期103-105,153,共4页
天燃气负荷具有非线性和不确定性的特性,针对传统的单一神经网络预测方法存在收敛速度慢、易陷入局部极值的问题,为提高预测精度,提出一种结合自适应变异粒子群算法(AMPSO)和BP神经网络的短期燃气负荷预测方法。采用自适应调整惯性权重... 天燃气负荷具有非线性和不确定性的特性,针对传统的单一神经网络预测方法存在收敛速度慢、易陷入局部极值的问题,为提高预测精度,提出一种结合自适应变异粒子群算法(AMPSO)和BP神经网络的短期燃气负荷预测方法。采用自适应调整惯性权重的方法,通过自适应的概率对比较密集的粒子引入交叉算子和变异算子,通过比较当前粒子的概率与交叉概率和变异概率的取值进行交叉和变异,形成AMPSO,利用AMPSO优化BP神经网络,建立较优的燃气负荷预测模型,这种方法能有效实现全局收敛并保证收敛速度。为验证模型的性能对上海市短期负荷进行预测,平均绝对百分误差MAPE为0.012。实验结果表明,与传统的BP神经网络预测方法和PSO_BP预测方法相比,该提出的模型的预测精度比较高。 展开更多
关键词 BP神经网络 粒子群算法 负荷预测 天然气 预测精度
在线阅读 下载PDF
一种粒子群优化脉冲耦合神经网络的全色锐化算法
9
作者 赵志威 付昱凯 杨树文 《航天返回与遥感》 CSCD 北大核心 2024年第5期51-63,共13页
为了进一步降低多光谱与全色影像融合后的光谱和空间信息失真,提高融合质量,文章提出一种粒子群优化脉冲耦合神经网络的多光谱与全色影像融合算法。该算法基于主成分分析和非下采样剪切波搭建融合方法的基础融合框架,在低频系数融合过... 为了进一步降低多光谱与全色影像融合后的光谱和空间信息失真,提高融合质量,文章提出一种粒子群优化脉冲耦合神经网络的多光谱与全色影像融合算法。该算法基于主成分分析和非下采样剪切波搭建融合方法的基础融合框架,在低频系数融合过程中使用细节注射的融合方法,降低非必要的信息注射,从而提高光谱保持度。在融合高频系数时,采用参数自适应的简化脉冲耦合神经网络计算融合权重,并基于粒子群优化算法全局搜索能够获取最佳融合质量的对应参数,以提高空间信息的完整性和清晰度。文章通过三组实验验证提出算法的可行性,并与现有的、经典的融合算法进行对比,实验显示:文章提出的融合算法在三组实验中的光谱角映射均在0.1左右,通用图像质量指数在0.9以上。实验结果表明:该算法不仅能够有效提高全色与多光谱影像的融合质量,而且融合效果稳健,在对比实验中具有最佳的融合性能。 展开更多
关键词 全色与多光谱影像 遥感影像融合 脉冲耦合神经网络 粒子群优化算法
在线阅读 下载PDF
计及改进粒子群算法优化BP神经网络的沼气产量软测量预测模型 被引量：2
10
作者 于雪彬 贾宇琛 +2 位作者 高立艾 周加栋 霍利民 《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期643-650,共8页
为准确预测大中型沼气工程的日产气量,提出一种利用基于PSO-BP模型的软测量方法。首先,依托软测量技术选取参数;其次,以进料量、发酵温度、液位、罐内液压等参数作为输入量,沼气日产量为输出量进行模型建立。在此基础上,使用线性降低权... 为准确预测大中型沼气工程的日产气量,提出一种利用基于PSO-BP模型的软测量方法。首先,依托软测量技术选取参数;其次,以进料量、发酵温度、液位、罐内液压等参数作为输入量,沼气日产量为输出量进行模型建立。在此基础上,使用线性降低权重系数法和引入变异算子对粒子群算法进行改进,并对BP神经网络进行初始化来提高模型性能。通过实验比较改进PSO-BP模型、传统BP神经网络以及遗传算法优化的BP神经网络在预测沼气日产量方面的性能,采用改进的PSO-BP模型进行预测时,均方根误差(RMSE)、决定系数(R2)和平均绝对误差(MAE)分别为1.38440、0.84011和1.00910,证明改进PSO-BP模型结合软测量技术对进行复杂非线性牛粪高温厌氧发酵过程预测的可行性,同时可保证预测结果的精准性。 展开更多
关键词 生物质能 沼气 粒子群优化算法 BP神经网络 软测量技术
在线阅读 下载PDF
神经网络加速PSO算法的超材料吸波体设计 被引量：1
11
作者 戴书浩 孙俊 +2 位作者 彭艺 罗会龙 张莉 《传感器与微系统》 北大核心 2025年第2期90-94,共5页
在超材料吸波体的设计过程中,研究人员常采用耗时长的全波仿真方法,设计思路主要以耗时长的参数扫描和经验设计为主。为了减少设计耗时,本文提出了一种基于神经网络加速粒子群优化(PSO)算法的快速设计方法。该方法利用神经网络对超材料... 在超材料吸波体的设计过程中,研究人员常采用耗时长的全波仿真方法,设计思路主要以耗时长的参数扫描和经验设计为主。为了减少设计耗时,本文提出了一种基于神经网络加速粒子群优化(PSO)算法的快速设计方法。该方法利用神经网络对超材料吸波体的电磁参数进行准确地预测,其预测结果与仿真结果均方误差(MSE)不超过0.0011。在PSO算法对结构参数空间进行搜索的过程中,预测结果被用于算法优化过程中的适应度计算,PSO算法能够根据不同的适应度值自动调节结构参数以到达电磁波宽频带吸收的目的。该方法将设计耗时缩短为全波仿真设计耗时的0.3%。通过该方法设计的超材料吸波体在8.5~17.9 GHz频段内的吸波率大于90%,吸波带宽为9.4 GHz。此外该方法优化过程避免了人工干扰,能够移植到超材料的其他应用设计中。 展开更多
关键词 超材料吸波体 神经网络 粒子群优化算法
在线阅读 下载PDF
基于粒子群算法与广义回归神经网络的抛掷爆破有效抛掷率预测 被引量：1
12
作者 李福平 刘利杰 +5 位作者 唐晓骞 鲁文岐 王炜 王韬 白雪瑞 刘喜顺 《煤炭工程》 北大核心 2024年第S1期195-202,共8页
在抛掷爆破—拉斗铲倒堆工艺中,有效抛掷率是拉斗铲倒堆作业设计的重要参数,精确预测有效抛掷率对充分发挥拉斗铲生产能力、降低剥离成本、确保原煤生产持续与稳定等具有重要意义。有效抛掷率受多种复杂和不确定因素影响,准确构建有效... 在抛掷爆破—拉斗铲倒堆工艺中,有效抛掷率是拉斗铲倒堆作业设计的重要参数,精确预测有效抛掷率对充分发挥拉斗铲生产能力、降低剥离成本、确保原煤生产持续与稳定等具有重要意义。有效抛掷率受多种复杂和不确定因素影响,准确构建有效抛掷率影响因素与有效抛掷率之间的非线性函数非常困难。利用粒子群算法全局搜索能力及广义回归神经网络较强的非线性逼近能力,提出了一种基于粒子群算法与广义回归神经网络的有效抛掷率预测方法,并选取了抛掷爆破台阶高度、炸药单耗、底盘抵抗线、孔距、排距、煤层厚度等6个可量化、对有效抛掷率影响较大的指标构建了有效抛掷率预测模型。以黑岱沟露天煤矿127组抛掷爆破数据为样本,对基于粒子群算法的广义回归神经网络进行参数寻优与网络训练,获得了具有较强泛化能力的有效抛掷率预测广义回归神经网络模型。15组有效抛掷率预测试验表明,基于粒子群算法与广义回归神经网络进行有效抛掷率预测性能稳定、精度可靠,能够满足实际工程需要。 展开更多
关键词 露天煤矿 抛掷爆破 有效抛掷率 粒子群算法 GRNN神经网络
在线阅读 下载PDF
基于GA-BP神经网络和改进粒子群算法的碰撞射流和冷却顶板复合空调系统优化
13
作者 齐贺闯 叶筱 +2 位作者 高延峰 亢燕铭 钟珂 《东华大学学报（自然科学版）》 CAS 北大核心 2024年第1期110-117,共8页
对碰撞射流和辐射顶板(IJV/RC)复合空调在不同室内负荷条件下运行时的室内热环境进行数值模拟,基于遗传算法-反馈(GA-BP)神经网络建立运行性能(吹风感R_(PD),头足温差Δt,空气交换效率e ACE,工作区平均温度t_(a))与设计变量(送风温度t_... 对碰撞射流和辐射顶板(IJV/RC)复合空调在不同室内负荷条件下运行时的室内热环境进行数值模拟,基于遗传算法-反馈(GA-BP)神经网络建立运行性能(吹风感R_(PD),头足温差Δt,空气交换效率e ACE,工作区平均温度t_(a))与设计变量(送风温度t_(s)、送风速度v_(s)、冷却顶板内表面温度t_(c)、房间负荷Q_(c))之间的预测模型,通过相关性分析确定设计变量对运行性能影响的显著性并排序。结果表明,增大v_(s)可使Δt降低,但R_(PD)增大;增大t_(c)有助于降低Δt和R_(PD),但t_(a)升高;为使t_(a)下降,可通过降低t_(s)来实现,但室内空气质量变差。为确保IJV/RC复合空调能在保证室内热舒适的同时提供良好室内空气品质,利用改进粒子群算法对复合空调的运行性能进行多目标同时优化,建立不同房间负荷条件下的设计参量最优匹配关系。研究结果可为IJV/RC复合空调的优化设计和运行控制提供理论指导。 展开更多
关键词 碰撞射流通风 冷却顶板 GA-BP神经网络 粒子群优化算法 多目标优化
在线阅读 下载PDF
基于自适应粒子群优化算法的神经网络的优化研究 被引量：5
14
作者 李辉 蔡敏 +1 位作者 李宇 李跃志 《江西师范大学学报（自然科学版）》 CAS 北大核心 2010年第6期632-635,共4页
针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基... 针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果. 展开更多
关键词 神经网络 自适应粒子群优化算法 仿真
在线阅读 下载PDF
基于自适应粒子群算法优化神经网络的多沙水库冲淤预测模型研究及应用 被引量：3
15
作者 吴巍 周孝德 +1 位作者 王新宏 程文 《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2011年第4期216-226,共11页
【目的】针对传统多沙水库冲淤预测模型难以准确、迅速预测某一具体水库调度运行方式下泥沙的冲淤变化过程,无法为制定合理水库调度运行方式提供决策依据的不足,构建一种计算效率高、能保证一定计算精度且相对简便的泥沙冲淤预测模型。... 【目的】针对传统多沙水库冲淤预测模型难以准确、迅速预测某一具体水库调度运行方式下泥沙的冲淤变化过程,无法为制定合理水库调度运行方式提供决策依据的不足,构建一种计算效率高、能保证一定计算精度且相对简便的泥沙冲淤预测模型。【方法】将人工神经网络及粒子群优化算法引入到多沙水库冲淤预测中,构建基于自适应粒子群算法优化BP神经网络的多沙水库冲淤预测模型,并将该模型应用于冯家山水库库区泥沙冲淤形态、冲淤量的预测,验证其实用性。【结果】将多沙水库冲淤变化过程视为一个非线性动力系统,利用人工神经网络处理大规模复杂非线性动力学问题的优势,在采用自适应粒子群优化算法对BP神经网络的初始连接权值和阈值进行优化的基础上,成功构建了基于自适应粒子群算法优化BP神经网络的多沙水库冲淤预测模型。该模型在冯家山水库冲淤预测中的应用结果表明,模型计算值与实测值之间吻合良好,可满足实际水库管理的需要。【结论】所构建模型具有较强的合理性及较广的适用性,为多沙水库冲淤预测提供了一条有效途径。 展开更多
关键词 多沙水库 冲淤预测模型 BP人工神经网络 自适应粒子群优化算法
在线阅读 下载PDF
基于BP神经网络结合ERA5数据的风电功率预测 被引量：1
16
作者 王婷婷 李斯胜 +4 位作者 于伟 能锋田 李星南 杨佳琳 熊亮 《储能科学与技术》 北大核心 2025年第1期183-189,共7页
随着我国风力发电技术的不断发展和完善,风电在电力系统运行和调度的作用越来越突出。为了高效准确地预测风电功率,减少大量风电入网带来的负面影响,本文基于BP神经网络结合ERA5数据对我国北方某风电场进行风电功率预测,并采用粒子群优... 随着我国风力发电技术的不断发展和完善,风电在电力系统运行和调度的作用越来越突出。为了高效准确地预测风电功率,减少大量风电入网带来的负面影响,本文基于BP神经网络结合ERA5数据对我国北方某风电场进行风电功率预测,并采用粒子群优化(particle swarm algorithm,PSO)算法优化模型,结合平均绝对误差、均方根误差和Pearson相关系数分析风电功率预测效果。结果表明,模型训练集中预测与实测风电功率变化趋势基本一致,呈现同增同减的趋势,BP模型的平均绝对误差为702.12 W,均方根误差为1000.18 W,相关系数为0.91,PSO-BP模型的平均绝对误差为700.75 W,均方根误差为995.16 W,相关系数为0.94;测试集中ERA5数据在一定程度上高估了风电功率,但整体趋势基本一致,BP模型的平均绝对误差为861.09 W,均方根误差为1150.86 W,相关系数为0.81;PSO-BP模型的平均绝对误差为829.55 W,均方根误差为1117.39 W,相关系数为0.83,模型的预测效果相对较好,PSO-BP模型相较于BP模型的预测效果均有一定程度的提高,在该区域的风电功率预测方面有较好的适用性。研究结果可为缺乏观测数据或观测数据质量不高的地区预测风电功率提供参考。 展开更多
关键词 风力发电 BP神经网络 ERA5再分析资料 粒子群优化算法 风电功率预测
在线阅读 下载PDF
自适应粒子群优化算法优化径向基函数神经网络用于电阻抗成像图像重建 被引量：44
17
作者 吴阳 刘凯 +2 位作者 陈柏 李芳 姚佳烽 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第6期240-249,共10页
电阻抗成像(EIT)的图像重建是一个高度非线性且欠定的病态逆问题。由于传统方法无法达到很高的精度,并且重建过程通常很耗时,提出了一种基于自适应粒子群优化算法的径向基函数神经网络(APSO-RBFNN)用于图像重建。通过数值模拟建立了15 ... 电阻抗成像(EIT)的图像重建是一个高度非线性且欠定的病态逆问题。由于传统方法无法达到很高的精度,并且重建过程通常很耗时,提出了一种基于自适应粒子群优化算法的径向基函数神经网络(APSO-RBFNN)用于图像重建。通过数值模拟建立了15 000个仿真样本,分为训练集和测试集。经过网络训练后,测试集上的图像相关系数(ICC)为0.95,仿真结果验证了APSO-RBFNN方法的有效性。当将30、40和50 dB的高斯白噪声添加到测试集中,ICC分别为0.90、0.92和0.93,证明了该方法的鲁棒性。对包含更多目标的样本重建结果说明了该方法具有良好的泛化能力。此外,8电极EIT系统的实验数据测试结果表明,相比于Tikhonov和RBFNN方法,APSO-RBFNN方法具有更好的图像重建结果。 展开更多
关键词 电阻抗成像 图像重建 逆问题 自适应粒子群优化算法 径向基函数神经网络
在线阅读 下载PDF
基于面向对象自适应粒子群算法的神经网络训练 被引量：6
18
作者 徐乐华 凌卫新 熊丽琼 《计算机应用研究》 CSCD 北大核心 2009年第1期111-113,共3页
针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的基于面向对象的自适应粒子群优化算法(OAPSO)用于神经网络的训练。该算法通过改进PSO的编码方式和自适应搜索策略以提高网络的训练速度与泛化性能,并结合Iris和Ion... 针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的基于面向对象的自适应粒子群优化算法(OAPSO)用于神经网络的训练。该算法通过改进PSO的编码方式和自适应搜索策略以提高网络的训练速度与泛化性能,并结合Iris和Ionosphere分类数据集进行测试。实验结果表明:基于OAPSO算法训练的神经网络在分类准确率上明显优于BP算法及标准PSO算法,极大地提高了网络泛化能力和优化效果,具有快速全局收敛的性能。 展开更多
关键词 神经网络 粒子群优化算法 面向对象方法 拓扑结构优化
在线阅读 下载PDF
基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究 被引量：1
19
作者 刘翘楚 王杰 +3 位作者 秦文萍 张文博 陈玉梅 刘佳昕 《电网与清洁能源》 北大核心 2025年第2期138-146,共9页
短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性,结合遗传算法(geneticalgorithm,GA)和粒子群智能算法(particleswarm optimization,PSO),提... 短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性,结合遗传算法(geneticalgorithm,GA)和粒子群智能算法(particleswarm optimization,PSO),提出嵌套优化的GA-PSO-BP神经网络短期风电功率预测模型。建立内外双层嵌套的优化机制,内层机制中引入GA算法优化PSO算法学习因子,优化后PSO算法作为外层机制实现BP神经网络阈值和权值的优化。模拟风电数据预测结果表明,比起GA-BP、PSO-BP、长短期记忆网络(long short-term memory,LSTM)预测模型,所提嵌套优化模型在平均绝对误差(mean absolute error,MAE)、均方根误差(root mean squared error,RMSE)、决定系数R2 3个评价维度上均取得了最优值;利用山西某风电场不同月份、不同时段、不同波动特征的实际运行数据进行验证,预测结果表明MAE均小于0.02,R2均大于0.99,所提嵌套优化模型具有较高的预测精度和拟合程度。 展开更多
关键词 风电功率预测 BP神经网络 遗传算法 粒子群算法 嵌套优化
在线阅读 下载PDF
基于粒子群优化BP神经网络的激光扫描投影系统畸变预测方法 被引量：5
20
作者 张宏韬 唐芳 +2 位作者 吴坤 朱亦然 侯茂盛 《光子学报》 EI CAS CSCD 北大核心 2024年第6期275-286,共12页
为了精准、高效地预测和校正激光扫描投影系统的畸变误差,研究了基于粒子群优化BP神经网络的畸变预测方法。建立了BP神经网络结构,并融合粒子群优化算法对BP神经网络的权值和阈值进行优化,得出基于粒子群优化BP神经网络的激光扫描投影... 为了精准、高效地预测和校正激光扫描投影系统的畸变误差,研究了基于粒子群优化BP神经网络的畸变预测方法。建立了BP神经网络结构,并融合粒子群优化算法对BP神经网络的权值和阈值进行优化,得出基于粒子群优化BP神经网络的激光扫描投影系统投影畸变预测模型。选取距激光扫描投影仪器两米的待投影面上的理论坐标点及各点相应畸变值Δx作为粒子群优化BP神经网络的训练数据集,将待投影面上实际投影位置坐标代入训练好的粒子群优化BP神经网络进行预测得到预测畸变值输出,并与实际畸变值对比,最后,引入Elman神经网络预测模型的预测结果与所研究预测方法进行对比。结果表明:在±30°的全视场扫描投影范围内粒子群优化BP神经网络预测模型的均方根误差为0.0176 mm,解算时间仅需22.4 s,相较于Elman神经网络效率提升78.33%,预测精度及时间明显优于Elman神经网络,可以有效预测激光扫描投影系统的畸变误差。 展开更多
关键词 激光扫描投影 粒子群优化算法 BP神经网络 误差预测 二维振镜 图形畸变
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 118 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部