小波分析和RBF神經(jīng)網(wǎng)絡(luò)的電梯乘客識(shí)別系統(tǒng)

介紹了安全帽識(shí)別系統(tǒng)的整體設(shè)計(jì),著重分析了小波變換和bp神經(jīng)網(wǎng)絡(luò)的具體運(yùn)用,提出了識(shí)別系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型。

分析了對(duì)工程造價(jià)有重要影響的眾多因素,參考國內(nèi)外專家、學(xué)者的研究成果,確定了影響工程造價(jià)的18個(gè)主要因素,并基于rbf神經(jīng)網(wǎng)絡(luò)建立了工程造價(jià)決策模型。本文利用rbf神經(jīng)網(wǎng)絡(luò)快速、準(zhǔn)確的函數(shù)逼近能力,為工程造價(jià)決策提供了一種新的方法。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),對(duì)于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法,對(duì)存在的問題進(jìn)行了分析,并對(duì)未來的發(fā)展進(jìn)行了展望。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ)，對(duì)于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的函數(shù)逼近性能，已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中，并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法，對(duì)存在的問題進(jìn)行了分析，并對(duì)未來的發(fā)展進(jìn)行了展望。

基于rbf神經(jīng)網(wǎng)絡(luò)的軟基沉降預(yù)測研究——將神經(jīng)網(wǎng)絡(luò)理論引入軟基沉降預(yù)測領(lǐng)域．借助自控領(lǐng)域信號(hào)處理的思想，應(yīng)用改進(jìn)后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的映射模式進(jìn)行軟基沉降的短期預(yù)測；軟基沉降的長期預(yù)測實(shí)質(zhì)上為基于神經(jīng)網(wǎng)絡(luò)的多維歐氏空間的曲面擬合問題，將地基壓...

針對(duì)建筑工程特點(diǎn),提出了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑工程投標(biāo)報(bào)價(jià)方法,建立建筑工程投標(biāo)報(bào)價(jià)標(biāo)高率數(shù)學(xué)模型。應(yīng)用matlab計(jì)算軟件,以實(shí)例驗(yàn)證了該模型的正確性及實(shí)用性。

介紹了基于matlab的徑向基函數(shù)rbf神經(jīng)網(wǎng)絡(luò)對(duì)于建筑物沉降預(yù)測的方法,討論了rbf神經(jīng)網(wǎng)絡(luò)的構(gòu)造思路、參數(shù)和分布密度spread的選擇。為建筑物變形監(jiān)測人員的數(shù)據(jù)分析、變形預(yù)測提供了一個(gè)可行的概念。

運(yùn)用rbf神經(jīng)網(wǎng)絡(luò)(radialbasisfunctionneuralnetwork)理論,分析了大夾角v撐施工期間最大風(fēng)險(xiǎn)因素可能發(fā)生的部位,并對(duì)v撐的結(jié)構(gòu)失效風(fēng)險(xiǎn)性進(jìn)行了定量分析。將有限元分析結(jié)果作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù),利用徑向基神經(jīng)網(wǎng)絡(luò)建立了基本變量和結(jié)構(gòu)響應(yīng)之間的隱性映射關(guān)系,根據(jù)蒙特卡洛原理進(jìn)行模擬計(jì)算,最終得出v撐施工過程中各個(gè)危險(xiǎn)截面出現(xiàn)結(jié)構(gòu)失效的概率預(yù)估值。通過工程實(shí)例驗(yàn)證表明,基于徑向基神經(jīng)網(wǎng)絡(luò)所建立的施工過程風(fēng)險(xiǎn)分析方法計(jì)算效率高,具有可行性和有效性,同時(shí)為v撐施工風(fēng)險(xiǎn)決策提供了理論依據(jù)。

為提高風(fēng)電輸出功率預(yù)測精度，提出一種基于rbf—bp組合神經(jīng)網(wǎng)絡(luò)模型的短期風(fēng)電功率預(yù)測方法。在考慮尾流等因素影響的基礎(chǔ)上，對(duì)風(fēng)速進(jìn)行預(yù)處理。根據(jù)相關(guān)歷史數(shù)據(jù)，建立rbf—bp組合神經(jīng)網(wǎng)絡(luò)短期風(fēng)電功率預(yù)測模型，對(duì)風(fēng)電輸出功率進(jìn)行預(yù)測。仿真分析結(jié)果表明，該預(yù)測方法能有效提高風(fēng)電輸出功率預(yù)測精度。

為了減小電力負(fù)荷預(yù)測中的誤差,提出了基于rbf神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測模型.介紹了負(fù)荷序列的相似度預(yù)測模型,并在此基礎(chǔ)上采用了rbf網(wǎng)絡(luò)對(duì)負(fù)荷波動(dòng)值的誤差糾正.通過運(yùn)用實(shí)際電力負(fù)荷數(shù)據(jù)進(jìn)行驗(yàn)證,該模型能較好地避免不良數(shù)據(jù)的干擾,有效地提高了負(fù)荷序列的預(yù)測精度.

風(fēng)能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點(diǎn)。目前我國擁有豐富的風(fēng)能,有著巨大的發(fā)展前景,目前風(fēng)力發(fā)電已有一定規(guī)模。但是,由于風(fēng)電的隨機(jī)性和間歇性的特點(diǎn),輸出功率很不穩(wěn)定,易對(duì)電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運(yùn)行。通過準(zhǔn)確地預(yù)測風(fēng)電功率,提前采取相應(yīng)措施,是減少對(duì)電網(wǎng)沖擊的有效措施。本文研究風(fēng)電的短期功率預(yù)測,在確定影響變量的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)中的rbf神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)電功率預(yù)測。通過預(yù)測結(jié)果與實(shí)際功率的比較,得到誤差小較理想的預(yù)測結(jié)果,預(yù)測結(jié)果較好。

風(fēng)能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點(diǎn)。目前我國擁有豐富的風(fēng)能,有著巨大的發(fā)展前景,目前風(fēng)力發(fā)電已有一定規(guī)模。但是,由于風(fēng)電的隨機(jī)性和間歇性的特點(diǎn),輸出功率很不穩(wěn)定,易對(duì)電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運(yùn)行。通過準(zhǔn)確地預(yù)測風(fēng)電功率,提前采取相應(yīng)措施,是減少對(duì)電網(wǎng)沖擊的有效措施。本文研究風(fēng)電的短期功率預(yù)測,在確定影響變量的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)中的rbf神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)電功率預(yù)測。通過預(yù)測結(jié)果與實(shí)際功率的比較,得到誤差小較理想的預(yù)測結(jié)果,預(yù)測結(jié)果較好。

風(fēng)能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點(diǎn)。目前我國擁有豐富的風(fēng)能,有著巨大的發(fā)展前景,目前風(fēng)力發(fā)電已有一定規(guī)模。但是,由于風(fēng)電的隨機(jī)性和間歇性的特點(diǎn),輸出功率很不穩(wěn)定,易對(duì)電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運(yùn)行。通過準(zhǔn)確地預(yù)測風(fēng)電功率,提前采取相應(yīng)措施,是減少對(duì)電網(wǎng)沖擊的有效措施。本文研究風(fēng)電的短期功率預(yù)測,在確定影響變量的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)中的rbf神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)電功率預(yù)測。通過預(yù)測結(jié)果與實(shí)際功率的比較,得到誤差小較理想的預(yù)測結(jié)果,預(yù)測結(jié)果較好。

利用小波分析具有能量分布特征提取的特性和遺傳算法優(yōu)化bp算法的能力,提出了一種基于遺傳算法、小波與神經(jīng)網(wǎng)絡(luò)的電梯故障診斷方法,并應(yīng)用電梯故障數(shù)據(jù)作為實(shí)例進(jìn)行了驗(yàn)證.遺傳算法小波神經(jīng)網(wǎng)絡(luò)模型診斷速度快、魯棒性好、故障診斷正確率高.

基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測方法,需要正確確定網(wǎng)絡(luò)結(jié)構(gòu),它關(guān)系到所建模型的合理性以及預(yù)測的準(zhǔn)確性。目前確定網(wǎng)絡(luò)結(jié)構(gòu)的絕大多數(shù)方法,其網(wǎng)絡(luò)結(jié)構(gòu)一經(jīng)訓(xùn)練確定便保持不變。然而現(xiàn)實(shí)中許多時(shí)間序列呈現(xiàn)非平穩(wěn)性,其結(jié)構(gòu)經(jīng)常發(fā)生變化,這就要求網(wǎng)絡(luò)結(jié)構(gòu)能夠動(dòng)態(tài)可調(diào),因此本文提出結(jié)構(gòu)可變的徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)預(yù)測模型。并采用序列蒙特卡羅(smc)方法實(shí)現(xiàn)基于結(jié)構(gòu)可變r(jià)bf網(wǎng)絡(luò)的時(shí)間序列在線預(yù)測;最后采用cru鋼鐵價(jià)格指數(shù)月數(shù)據(jù)進(jìn)行實(shí)證研究,結(jié)果表明該模型的有效性。

基于rbf神經(jīng)網(wǎng)絡(luò)的砂土液化預(yù)測——通過分析砂土液化成因及其影響因素，建立了砂土液化預(yù)測rbf網(wǎng)絡(luò)模型，并與bp網(wǎng)絡(luò)預(yù)測模型進(jìn)行比較．測試結(jié)果表明，應(yīng)用rbf網(wǎng)絡(luò)模型對(duì)砂土液化進(jìn)行預(yù)測，預(yù)測效果好，識(shí)別精度高．

針對(duì)目前混凝土強(qiáng)度預(yù)測中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測模型。運(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場實(shí)地的混凝土強(qiáng)度預(yù)測和質(zhì)量檢驗(yàn)。

論述了汽車牌照自動(dòng)識(shí)別系統(tǒng)的組成、原理及車牌圖像預(yù)處理、字符的定位和分割方法,并在對(duì)字符進(jìn)行特征提取的基礎(chǔ)上,研究了利用神經(jīng)網(wǎng)絡(luò)算法對(duì)字符進(jìn)行識(shí)別這一問題.

隨著數(shù)據(jù)挖掘技術(shù)在各領(lǐng)域運(yùn)用越來越多,其算法也日漸趨于成熟。數(shù)據(jù)挖掘技術(shù)作為建立預(yù)測模型的重要技術(shù),已成為專家研究的熱點(diǎn)。隨著數(shù)據(jù)挖掘技術(shù)在實(shí)際模型運(yùn)用中暴露的問題越來越多,單一的技術(shù)和方法已無法滿足各類功能的需求。為了分析公路貨運(yùn)中復(fù)雜的數(shù)據(jù),構(gòu)建一種功能強(qiáng)大的預(yù)測模型就顯得尤為重要。本文嘗試說明在數(shù)據(jù)預(yù)測模型中運(yùn)用rbf神經(jīng)網(wǎng)絡(luò)技術(shù)和主成分分析方法,挖掘和分析公路貨運(yùn)中的數(shù)據(jù),提高預(yù)測結(jié)果的準(zhǔn)確性和高效性,為制定新的決策提供有效的依據(jù)。

運(yùn)用小波理論和神經(jīng)網(wǎng)絡(luò)理論不同結(jié)合方法建立地表變形預(yù)測模型。文中先建立了較為普遍的松散型的小波去噪神經(jīng)網(wǎng)絡(luò)模型和緊致型的小波神經(jīng)網(wǎng)絡(luò)模型,分析了小波去噪和bp神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)選取過程?；趯?shí)測數(shù)據(jù)分析可得:三種模型的預(yù)測效果較單一的bp神經(jīng)網(wǎng)絡(luò)預(yù)測效果更好;基于小波變換的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的平均絕對(duì)百分比誤差為0.15,優(yōu)于另兩種模型的預(yù)測精度。

為了預(yù)測混凝土的抗壓強(qiáng)度,在分析bp、rbf神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,提出用bp、rbf神經(jīng)網(wǎng)絡(luò)模擬混凝土抗壓強(qiáng)度與攪拌機(jī)各主要影響參數(shù)間關(guān)系的方法。根據(jù)攪拌機(jī)的實(shí)際工作狀況,分別建立了4維輸入向量、1維輸出向量的bp、rbf神經(jīng)網(wǎng)絡(luò)模型,通過19組試驗(yàn),驗(yàn)證了2種模型的可靠性。結(jié)果表明,實(shí)測結(jié)果與預(yù)測結(jié)果相接近,該2種神經(jīng)網(wǎng)絡(luò)模型能較準(zhǔn)確地快速預(yù)測混凝土抗壓強(qiáng)度。

在預(yù)測隧道圍巖變形的過程中,運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法,建立非線性的預(yù)測模型,結(jié)合張涿高速公路林里隧道的變形實(shí)測數(shù)據(jù),借助matlab7.1平臺(tái),模擬了隧道圍巖的變形過程;實(shí)驗(yàn)結(jié)果表明：rbf神經(jīng)網(wǎng)絡(luò)方法在隧道圍巖變形的預(yù)測中,具有運(yùn)算速度快,預(yù)測精度高,模型穩(wěn)定可靠的特點(diǎn),在隧道施工過程中,能夠有效的輔助施工控制,提供預(yù)測報(bào)告。