将BP神经网络与K-最近邻(KNN)算法耦合起来,建立BK(BP-KNN)模型,该模型以前期模拟流量和相应影响要素作为BP神经网络的输入,出口断面流量作为网络输出,对产汇流过程进行模拟;采用K-最近邻算法,基于历史样本的模拟误差和相应影响要素对...将BP神经网络与K-最近邻(KNN)算法耦合起来,建立BK(BP-KNN)模型,该模型以前期模拟流量和相应影响要素作为BP神经网络的输入,出口断面流量作为网络输出,对产汇流过程进行模拟;采用K-最近邻算法,基于历史样本的模拟误差和相应影响要素对网络输出进行修正,实现了非实时校正模式下的连续模拟。根据BK模型的计算流程将其参数分为3个层次,各层次分别使用NSGA-Ⅱ多目标优化算法进行参数优选,提高了模拟精度、优化效率和网络泛化能力。分别将新安江模型的产流、产流分水源计算模块与BK模型相耦合,建立XBK(Xinanjiang runoff production-BK)和XSBK(Xinanjiang runoff production and separation-BK)模型,在呈村等3个不同类型的流域应用新安江模型、BK模型、XBK模型和XSBK模型进行模拟精度比较,结果表明改进的模型模拟精度更高,较好地解决了神经网络模型在水文模拟中存在的问题。展开更多
提出一种新型线圈拓扑结构--双层反向倾斜线圈,并进行电机结构参数优化以提升永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)的推力品质。首先,设计双层反向倾斜线圈PMSLM的拓扑结构,采用等效磁化强度法定性分析...提出一种新型线圈拓扑结构--双层反向倾斜线圈,并进行电机结构参数优化以提升永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)的推力品质。首先,设计双层反向倾斜线圈PMSLM的拓扑结构,采用等效磁化强度法定性分析影响电机推力品质(推力和推力波动率)的主要结构参数。其次,引入机器学习回归建模方法--K-最近邻算法(K-nearest neighbor,KNN),对有限元计算产生的样本数据进行回归拟合,建立电机高精度快速计算模型。最后,采用粒子群算法以平均推力提高、推力波动率降低为优化目标对拟合模型进行迭代寻优,得到最优的电机结构参数。实验证明了所提电机结构设计与优化方法对推力品质提升的有效性。展开更多
文摘将BP神经网络与K-最近邻(KNN)算法耦合起来,建立BK(BP-KNN)模型,该模型以前期模拟流量和相应影响要素作为BP神经网络的输入,出口断面流量作为网络输出,对产汇流过程进行模拟;采用K-最近邻算法,基于历史样本的模拟误差和相应影响要素对网络输出进行修正,实现了非实时校正模式下的连续模拟。根据BK模型的计算流程将其参数分为3个层次,各层次分别使用NSGA-Ⅱ多目标优化算法进行参数优选,提高了模拟精度、优化效率和网络泛化能力。分别将新安江模型的产流、产流分水源计算模块与BK模型相耦合,建立XBK(Xinanjiang runoff production-BK)和XSBK(Xinanjiang runoff production and separation-BK)模型,在呈村等3个不同类型的流域应用新安江模型、BK模型、XBK模型和XSBK模型进行模拟精度比较,结果表明改进的模型模拟精度更高,较好地解决了神经网络模型在水文模拟中存在的问题。
