共查询到20条相似文献,搜索用时 15 毫秒
1.
改进BP神经网络在城市环境大气污染分季节预报中的应用 总被引:4,自引:0,他引:4
用泛化改进后的BP神经网络模型,选用2001、2002、2003年的气象因子和环境监测浓度资料按年度、季节分别建立预报模型,对贵阳市城市大气污染浓度进行预报。该方法除弥补了统计方法的预报精度不高和数值预报模式的方法复杂难实现的不足之处外,还很好地解决了未改进的BP网络训练误差很小时,一个新的输入与对应的目标输出具有较大误差的问题。 相似文献
2.
在多输入多输出(MIMO)系统的信号检测算法中,最大似然(ML)算法具有最佳检测性能,但因其复杂度随天线数及调制阶数的增加呈指数增加而不实用.排序干扰逐次消去的最小均方误差(MMSE-OSIC)算法具有很低的复杂度,但因迭代检测过程中的差错传播使得检测性能与最佳检测相比有很大差距.针对以上算法的缺点,提出了一种低复杂度近最佳的MIMO信号检测算法,该算法对MMSE-OSIC算法的检测顺序进行调整,首先通过比较信道逆矩阵行向量的范数确定最弱信号层,对该发射信号的所有可能值进行遍历搜索,在保证最弱信号层尽可能正确检测的前提下,对剩余信号层采用MMSE-OSIC算法检测.理论分析及仿真结果表明,该算法有效抑制了迭代检测过程中的差错传播,几乎达到了最佳检测性能,同时具有较低的复杂度,在检测性能与复杂度之间给出了很好的折衷. 相似文献
3.
针对智能船舶自动舵系统,考虑输入饱和、回转角速度未知和指定性能,提出一种自适应模糊控制算法.本文自适应模糊输出反馈算法采用状态观测器、辅助系统和误差转换系统,模糊逻辑系统用于估计未知非线性函数,状态观测器用于估计未知回转角速度状态,辅助系统和误差转换系统分别用于补偿不匹配控制信号和变换航向角追踪误差.基于Lyapunov方法证明了闭环系统内所有信号是有界的,仿真结果进一步验证了本文算法的有效性. 相似文献
4.
采用2005—2009年FY-2C静止气象卫星可见光和红外自旋扫描辐射计的红外1(IR1)、红外2(IR2) 和水汽 (WV) 亮温资料,选取2449个云分类样本。设计两层嵌套的前向传递后向反馈 (BP) 人工神经网络模型,第1层网络选取IR1,IR2,WV亮温及IR1与WV亮温差和IR2与WV亮温差5个特征量,第2层网络选取特征量IR1与IR2亮温差,两层网络都采用一层隐含层且带有附加动量法的简单网络,降低了网络的冗余度。误差分析表明:嵌套BP人工神经网络模型的分类准确率在中云和薄卷云这两类上分别提高了42.7%和11.3%,整个分类模型的平均平方误差和标准化平均平方误差分别降低了6.1%和44.7%,相关系数提高了3.4%。通过3个个例的对比分析发现,嵌套模型的分类结果比传统模型的分类结果更合理,特别是在中低云和薄卷云的云量和位置分辨能力上有了较大提高。 相似文献
5.
本文研究了具有量化输入信号和未知扰动的非线性系统的有限时间自适应输出反馈动态面控制问题.在控制设计过程中,利用模糊逻辑系统对系统中的非线性项进行逼近.然后引入一种滞回量化器来避免量化信号中的抖振,并且构造模糊观测器来估计系统中不可测的状态.为了提出一种有限时间控制策略,首先给出了半全局实际有限时间稳定的判据.在此基础上,将动态面控制技术与反步法相结合,设计了自适应模糊控制器.该控制器不仅能保证跟踪误差在有限时间内收敛到原点的一个小邻域,而且可以保证闭环系统中所有信号的有界性.最后通过一个仿真实例验证了该控制方法的有效性和可行性. 相似文献
6.
7.
BP神经网络在长期天气过程预报中的应用试验 总被引:3,自引:2,他引:3
采用误差反传前向网络(简称BP网络)方法,以日、月相概率作为输入因子,建立长期天气预报模型。结果表明,模型的业务预报试验效果比较理想,对较大降水和升(降)温过程均有一定预报能力,相对于传统的单纯运用日、月相概率预报长期天气过程的方法,BP神经网络方法具有预报较客观、准确率较高等特点,在目前长期天气预报理论和数值预报模式尚不能用于实际业务的情况下具有较大的应用价值。 相似文献
8.
9.
隐函数定理不仅是数学分析中的一个重要定理,而且对一些后继课程如《泛函分析》、《微分几何》等的学习也很有帮助。文献[1]中给出了隐函数定理的形式,并用连续函数的性质给出了证明。实际上,在学习了泛函分析后,也可用求算子不动点的方法来证明隐函数定理,本文将给出这一证明,旨在表明学习各门课程时要注意不同课程间的联系,学会融会贯通,以期达到良好的学习效果。 相似文献
10.
针对船舶线性横摇系统,设计了一种基于执行依赖启发式动态规划(ADHDP)方法的在线学习最优减摇鳍控制器.在设计过程中直接使用输入输出数据获取系统状态值.利用评价网络来逼近针对船舶减摇鳍控制系统设计的性能指标函数,并通过执行网络获得最优控制律,这两个网络都是多层前馈神经网络,即反向传播(BP)神经网络.在训练过程中,这两个神经网络不仅可以使用实时测量数据,也可以减少船舶横摇模型的内部误差和不确定性干扰的影响,从而提高系统的鲁棒性.最后,仿真结果表明所提出的ADHDP控制器对于降低船舶横摇有很好的控制效果. 相似文献
11.
刘磊 《南京气象学院学报》2018,10(6):681-686
本文集中在带有部分状态约束的非线性单输入单输出系统的自适应控制器设计上.考虑了非对称死区的非线性输入特性,选取障碍李雅普诺夫函数用来阻止部分受约束的状态违反约束条件.根据障碍李雅普诺夫函数反步法,解决了该类系统的输出跟踪问题,同时也处理了死区非线性带来的影响.针对下三角结构的非线性系统,设计了自适应控制器,证明了闭环系统所有信号都是有界的,同时保证了系统输出可以跟踪上参考信号.最后,仿真结果表明了所提方法的有效性. 相似文献
12.
基于SSA-MGF的BP神经网络多步预测模型 总被引:3,自引:2,他引:3
采用奇异谱分析(Singular Spectrum Analysis,SSA)方法对标准化样本序列进行准周期信号分量重建,将重建序列构造均值生成函数(Mean Generating Function.MGF)延拓矩阵作为输入因子,原样本序列作为输出因子,构建BP神经网络多步预测模型。通过实际建模并与逐步回归等方法进行对比预测试验,结果表明,基于SSA-MGF的BP神经网络多步预测模型预测效果优于其他3种模型,说明SSA的去噪及BP神经网络预报模型对于提高预测准确率是相对有效的,是一种具有较高应用价值的多步预测方法。 相似文献
13.
14.
15.
利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。 相似文献
16.
设计了一种基于正交调制原理的数字频率特性测试仪,系统用稳态响应法测量电路的频率特性.单片机作为主控芯片,完成系统的总体控制及数字信号处理;使用集成的直接数字频率合成芯片输出全频率范围内的正弦波.系统对待测电路的输入信号及其输出响应采样,经数字信号处理后,获得电路的幅频特性和相频特性.设计的测试仪测某RLC网络,中心频率的相对误差小于0.2%,有载品质因数相对误差小于1.25%,最大电压增益大于-1 dB.频率特性测试仪输入输出阻抗均为50 Ω,幅频误差绝对值小于0.5 dB,相频误差绝对值小于3°,测试仪能满足微机械谐振传感器特征参数测试需求. 相似文献
17.
BP神经网络在建模中的参数优化问题研究 总被引:2,自引:0,他引:2
神经网络方法已经在过去很多年中得到了大量研究,特别是基于误差反向传播算法的人工神经网络(简称BP-ANN)在很多天气预报业务上发挥了重要作用.对于BP-ANN训练有这样的一个问题,在同一个样本模型、同样的网络结构和同样的输入参数情况下,每次训练得到的权重和最终的误差结果几乎都是不一样的,有的会很好,有的会较差.在利用BP-ANN建模训练中,希望都寻找到因子模型的局部最优解,使它具有较好的泛化能力.为了提高BP-ANN在业务预报中的建模和预测能力,将对BP-ANN进行改进试验.利用2009-2010年每年5月15日至9月15日的T639模式预测数据和北京地区4个站点的最高温度实况资料作为建模样本数据,对4个站点进行数值模拟试验.通过对4个模型样本的拟合建模试验发现:BP-ANN的随机初始权重场服从高斯分布,或者初始权重场进行多次初始化,或者采用动态的隐层神经元网络结构都能让BP-ANN对样本的拟合命中率有一定的提高.最后选择2011年5月15日至9月15日115天的资料作为预报测试数据,集成3种改进方法于一个BP-ANN中,和未改进前的BP-ANN进行比较,对比后发现优化后的BP-ANN训练出的模型预测得到的验证样本预测命中率要高于未优化的BP-ANN训练出的模型得到的验证样本预测命中率,优化后的BP-ANN具有更好的泛化能力. 相似文献
18.
19.
高血压病发病率预报的人工神经网络方法研究 总被引:1,自引:0,他引:1
通过统计分析,选取影响银川地区高血压病发病率的主要气象因素,将其作为输入变量经多层前馈型神经网络的BP(Back Propagation)算法进行学习训练,建立了疾病发病率的人工神经网络(ANN,Artifical Neural Net)预报模型。结果表明:该方法计算简便、误差较小,为疾病发病率预报提供了一种新的预报方法。 相似文献