基于烟花粒子群算法优化BP神经网络的轨道客流量预测

1

作者 徐明明 唐秋生 《科学技术与工程》 北大核心 2024年第33期14410-14416,共7页

为进一步提高轨道客流量预测的精确度,提出一种基于烟花算法(fireworks algorithm, FWA)搜索机制下的FWA-PSO-BP轨道客流预测模型。粒子群算法(particle swarm optimization, PSO)通过将随机因素引入进化方程中实现,不过,由于这种随机... 为进一步提高轨道客流量预测的精确度,提出一种基于烟花算法(fireworks algorithm, FWA)搜索机制下的FWA-PSO-BP轨道客流预测模型。粒子群算法(particle swarm optimization, PSO)通过将随机因素引入进化方程中实现,不过,由于这种随机搜索模式会导致粒子群算法的局部搜索功能减弱,很容易出现早熟收敛现象和寻优力不足的情况。为了改进这一问题,通过引入烟花算法中的爆炸火花和突变火花,对粒子的搜索范围和粒子数量进行动态调节,增强粒子群的多样性,使粒子群算法具有局部搜索能力和全局搜索能力的自我调节机制,从而改善粒子群算法的早熟收敛问题,对反向传播(back propagation, BP)神经网络的初始权值与阈值进行更好的优化。以重庆轨道客流数据进行实例验证,结果表明:FWA-PSO-BP模型的平均绝对百分比误差(mean absolute percentage error, MAPE)为2.54%,优于所有其他对比模型。 展开更多

关键词 客流量预测 烟花搜索 爆炸火花 突变火花 平均绝对百分比误差

在线阅读 下载PDF 职称材料

基于NARX神经网络的电子电路电磁脉冲响应建模 被引量：9

2

作者 吴启蒙 魏明 +2 位作者 庞雷 施威 祝华杰 《高压电器》 CAS CSCD 北大核心 2013年第11期62-68,共7页

针对内部结构不详、器件参数未知的复杂电子电路电磁脉冲响应建模这一难点问题,笔者采用NARX神经网络建立动力学模型,并提出了采用正弦波扫频信号及其电路响应作为训练数据的方法,同时给出了NARX神经网络建模的理论基础及设计步骤,证明... 针对内部结构不详、器件参数未知的复杂电子电路电磁脉冲响应建模这一难点问题,笔者采用NARX神经网络建立动力学模型,并提出了采用正弦波扫频信号及其电路响应作为训练数据的方法,同时给出了NARX神经网络建模的理论基础及设计步骤,证明了集总参数电路响应模型可用NARX神经网络所建立的动力学模型替代,从而得到了基于数据的电子电路电磁脉冲响应建模方法。运用ADS软件完成滤波器电路及射频放大电路的设计与仿真,建立NARX神经网络模型并得到了较好的预测效果,验证了该方法适用于集总参数电路的电磁脉冲响应预测。对NARX神经网络的缺陷进行简要分析,并提出使用遗传算法优化网络参数和使用支持向量机或极限学习机替代NARX神经网络中前馈神经网络部分的改进方法,为后续研究工作指引方向。 展开更多

关键词 NARX神经网络 电磁脉冲 集总参数电路 均方误差 误差百分比 扫频信号

在线阅读 下载PDF 职称材料

风电场短期风速预测的MRA-SVM模型 被引量：7

3

作者 杨亚兰 徐耀良 +1 位作者 钟绍山 谢江媛 《电力系统及其自动化学报》 CSCD 北大核心 2014年第5期44-49,共6页

为了提高风电场短期风速的预测精度,提出了基于多分辨率分析和支持向量机(MRA-SVM)的预测模型。模型以历史风速序列为输入对数据进行多分辨率分析,用支持向量机对分解后的单支序列分别回归预测,叠加各序列的预测结果即为最终预测值。通... 为了提高风电场短期风速的预测精度,提出了基于多分辨率分析和支持向量机(MRA-SVM)的预测模型。模型以历史风速序列为输入对数据进行多分辨率分析,用支持向量机对分解后的单支序列分别回归预测,叠加各序列的预测结果即为最终预测值。通过对某风场10 d的实测风速进行分析,预测了未来4 h的风速。用均方根误差和平均绝对百分比误差对模型进行评价,与单一的SVM方法相比,提高了预测精度。实验证明,模型具有较强的风速预测能力,能普遍适用于风速的短期预测。 展开更多

关键词 短期风速预测 多分辨率分析 支持向量机 均方根误差 平均绝对百分比误差

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

4

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

超静定刚架计算中轴向变形的影响 被引量：3

5

作者 张欣 刘尔烈 《天津大学学报》 EI CAS CSCD 1997年第5期636-641,共6页

研究超静定刚架内力计算中轴向变形的影响，指出按传统方法进行计算可能引起内力误差过大的问题，分析了产生误差的原因，并提出了一些新看法．

关键词 超静定刚架 轴向变形 误差百分比

在线阅读 下载PDF 职称材料

月经初潮年龄和预测身高

6

作者 蒋冠琳 《天津体育学院学报》 CAS 1983年第3期6-10,共5页

预测身高是运动员选材的重要内容之一。一个人的身体高矮,很大程度上受遗传因素的影响。然而遗传是比较复杂的问题,要想从遗传方面来预测身高,就目前条件看,困难较多。父母身高只能作参考。人体的生长发育,包括身高的增长是有一定规律... 预测身高是运动员选材的重要内容之一。一个人的身体高矮,很大程度上受遗传因素的影响。然而遗传是比较复杂的问题,要想从遗传方面来预测身高,就目前条件看,困难较多。父母身高只能作参考。人体的生长发育,包括身高的增长是有一定规律的。因此,可以根据生长发育规律来预测孩子的最后身高。就是说,利用年龄身高增长百分比进行预测。用这种方法预测时还必须考虑到:第一,人体的生长发育规律可能因自然环境条件及人种等因素的影响而具有地区差别。例如世界各大洲、各人种有差别、我国南方、北方也稍有不同。 展开更多

关键词 生长发育规律 月经初潮年龄 误差百分比 后身高 平均值 预测误差 身高增长 运动员选材 重要内容 父母身高

在线阅读 下载PDF 职称材料

一种新的组合权重在组合预测模型中的应用 被引量：18

7

作者 李佩 彭斯俊 《河南科技大学学报（自然科学版）》 CAS 北大核心 2018年第2期87-93,98,共8页

为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先... 为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先,建立了差分自回归移动平均(ARIMA)模型和指数曲线回归模型;然后,用MAPE和最小二乘法确定组合模型的权系数,在此基础上将两种权系数进行组合,形成组合权重。预测结果表明:该组合权重与单一权重相比,可将组合模型的预测精度提高约0.3%。 展开更多

关键词 差分自回归移动平均模型 指数曲线回归 平均绝对百分比误差 最小二乘法 权重系数 组合预测

在线阅读 下载PDF 职称材料

基于改进递归网络的智慧楼宇负荷预测方法 被引量：2

8

作者 肖荣洋 黄雁 《沈阳工业大学学报》 CAS 北大核心 2022年第2期121-126,共6页

针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优... 针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05%,且预测误差均小于其他对比方法. 展开更多

关键词 改进粒子群优化算法 深度递归神经网络 智慧楼宇 负荷预测 关联层 均方根差 平均绝对百分比误差 预测误差

在线阅读 下载PDF 职称材料

混合神经网络的包壳峰值温度预测研究 被引量：2

9

作者 孙大彬 李磊 +1 位作者 田兆斐 王贺 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第12期1728-1735,共8页

为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神... 为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神经网络-长短期记忆网络的混合神经网络模型单次事故分析时间降低为0.55 s的同时具备很高的准确性和稳定性。峰值预测精度、序列预测精度、超限概率预测精度、平均绝对百分比误差分别达到了99.527%,91.098%,95.371%,2.522%,均方根误差为49.065。相较于传统的BP神经网络和卷积神经网络方法,卷积神经网络-长短期记忆网络的混合神经网络模型也体现出了明显的优势。 展开更多

关键词 包壳峰值温度 卷积神经网络 长短期记忆网络 混合神经网络 峰值预测精度 序列预测精度 超限概率预测精度 平均绝对百分比误差

在线阅读 下载PDF 职称材料

基于修正因子的雾天可变限速控制交通流模型 被引量：4

10

作者 孙长乐 高宏岩 《科学技术与工程》 北大核心 2020年第10期4016-4021,共6页

分析雾天可变限速控制作用下高速公路的特性,提出基于雾天修正因子的在线自调整可变限速交通流模型。雾天修正因子通过Takagi-Sugeno(T-S)模型根据高速公路实时能见度与曲面半径在线自我调整,进而实现雾天可变限速交通流模型自我调整。... 分析雾天可变限速控制作用下高速公路的特性,提出基于雾天修正因子的在线自调整可变限速交通流模型。雾天修正因子通过Takagi-Sugeno(T-S)模型根据高速公路实时能见度与曲面半径在线自我调整,进而实现雾天可变限速交通流模型自我调整。采用灰狼算法对交通流模型参数及T-S模型参数进行优化调整。采用速度与密度的平均绝对百分比误差对模型性能进行评价。使用VISSIM与MATLAB进行仿真研究,仿真结果表明:相比于一般可变限速交通流模型,本文提出的交通流模型在速度和密度的辨识精度方面分别提升了41.5%和10.5%,可以更加准确地反映雾天可变限速作用下高速公路的特性。 展开更多

关键词 可变限速控制 TAKAGI-SUGENO模型 灰狼优化算法 平均绝对百分比误差 交通流模型

在线阅读 下载PDF 职称材料

基于长短时记忆网络(LSTM)的蟹塘溶解氧估算优化方法 被引量：9

11

作者 朱南阳 吴昊 +3 位作者 尹达恒 王志强 蒋永年 郭亚 《智慧农业》 2019年第3期67-76,共10页

水中溶解氧含量低会影响螃蟹的成活率,保证低溶解氧时刻溶解氧的预测精度非常重要。目前,溶解氧传感器价格昂贵且易遭受腐蚀,因此通过相关变量来间接估计溶解氧浓度有重要的意义。本研究在长短时记忆网络(LSTM)模型的基础上,优化LSTM反... 水中溶解氧含量低会影响螃蟹的成活率,保证低溶解氧时刻溶解氧的预测精度非常重要。目前,溶解氧传感器价格昂贵且易遭受腐蚀,因此通过相关变量来间接估计溶解氧浓度有重要的意义。本研究在长短时记忆网络(LSTM)模型的基础上,优化LSTM反向传播时的损失函数,提出了提高低溶解氧含量估算精度的溶解氧预测模型(LDO-LSTM)。LDO-LSTM的损失函数是在平均绝对百分比误差(MAPE)基础上,根据溶解氧值的变化趋势和溶解氧浓度大小,分别赋予不同权值的权重函数,并通过均方根误差(RMSE)和平均绝对百分比误差(MAPE)来评估LDO-LSTM和LSTM在不同范围的溶解氧估算能力。对模型的测试试验结果表明:在溶解氧高于6mg/L时,LDO-LSTM和LSTM的RMSE、MAPE差值稳定在0.1左右;在溶解氧低于6mg/L时,LDO-LSTM的RMSE值和MAPE值分别比LSTM低0.25和0.139,说明了LDO-LSTM网络不但可以保证整体溶氧预测精度,而且能够提高较低溶解氧值的估算精度。本研究对于降低水产养殖成本、提高溶解氧估算精度有着重要的作用。 展开更多

关键词 溶解氧 长短时记忆网络 损失函数 平均绝对百分比误差

在线阅读 下载PDF 职称材料