共查询到18条相似文献，搜索用时 296 毫秒
1.
传统BP神经网络算法虽然具有良好的学习能力和容错能力,但是收敛速度慢,易陷入局部极小点等缺点制约了它的进一步发展和应用.针对这些不足,采用自适应学习率结合附加动量因子的方法可以有效缩短训练时间,加快收敛速度,同时抑制寻优算法陷入局部极小点.将该算法应用于图像字符识别系统中,通过一系列实验优化系统参数之后给出系统识别结果,表明该系统识别具有较高的准确性和鲁棒性. 相似文献
2.
针对蚁群算法收敛速度慢、效率低、容易陷入局部最优解的不足,本文提出一种自适应变化信息素总量的方式,使算法获得较快收敛速度.通过对启发函数的改进,增加蚁群搜索的目的性,降低陷入局部最优解的概率.仿真结果表明,改进的蚁群算法提高了搜索能力和收敛速度,验证了算法的有效性和优越性. 相似文献
3.
刘建成 《南京气象学院学报》2018,10(4):473-479
针对局部阴影条件下,光伏阵列功率-电压（P-V）特性曲线呈现多个峰值,导致最大功率跟踪（MPPT）算法易陷入局部最优解问题,本文提出了基于负载电压反馈与模糊控制相结合的MPPT算法.通过负载电压闭环控制算法使系统输出功率快速稳定到最大功率点附近,再利用模糊控制算法跟踪到最大功率点.负载电压反馈算法解决了多峰场景下的局部最优解问题,模糊控制算法提高了算法收敛速度.同时,本文算法避免了粒子群算法在粒子切换过程中开关器件上过冲电压过大问题.Matlab仿真和硬件实验验证了本文算法的可行性和实用性. 相似文献
4.
利用2016—2018年武汉夏季(6—9月)逐15 min电力负荷以及同期逐日气象数据,分析最大电力负荷变化特征及与气象因子的相关关系。利用逐步回归和双隐含层BP神经网络算法,建立了武汉夏季最大电力负荷的预测模型。结果表明:平均温度、平均最高温度、平均最低温度与气象电力负荷存在显著的正相关,其次是日照时数。前1 d最大电力负荷与当日最大电力负荷的相关性最好,当日电力负荷对前1 d温度的平均和舒适度指数的变化最为敏感。以历史电力负荷和气象数据为联合预报因子,逐步回归和BP神经网络算法对武汉夏季最大电力负荷具有较好的模拟效果,尤其是对持续高温造成高位运行的最大负荷模拟。当敏感性在10%以内时,逐步回归算法中气象因子正的贡献要小于负的贡献,BP神经网络算法中气象因子正的贡献要高于负的贡献;当敏感性高于10%时,两种算法中气象因子均为正的贡献。 相似文献
5.
6.
汪蓓蕾 《南京气象学院学报》2009,(2):179-182
提出１种融合了人工鱼群算法与Ｈｏｐｆｉｅｌｄ神经网络的ＰＩＤ参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Ｈｏｐｆｉｅｌｄ神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Ｈｏｐｆｉｅｌｄ网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机ＰＩＤ控制中的参数寻优,结果表明新混合算法的整定效果好于Ｈｏｐｆｉｅｌｄ神经网络,且该算法简单易实现． 相似文献
7.
粒子群-神经网络集成学习算法气象预报建模研究 总被引：8，自引：2，他引：6
针对BP神经网络在实际气象预报应用中,网络结构难以确定以及网络极易陷入局部解问题,提出一种基于神经网络的粒子群集成学习算法的气象预报模型,以BP算法为基本框架,在学习过程中引入粒子群算法,优化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络个体,以“误差绝对值和最小”为最优准则,采用线性规划方法计算各集成个体的权系数,生成神经网络的输出结论,以此建立短期气候预测模型。以广西的月降水量进行实例分析,计算结果表明该方法学习能力强、泛化性能高,能够有效提高系统预测的准确率。 相似文献
8.
9.
新一代天气雷达天馈系统故障分析诊断方法和技巧 总被引：1，自引：0，他引：1
故障分析诊断技术对保障气象大型装备可靠业务运行具有重要作用。依据CINRAD/SB型新一代天气雷达天馈系统信号流程,通过对新一代天气雷达天馈系统故障诊断方法进行研究,总结出天馈系统漏气、打火故障检测方法,天馈系统损耗大的故障诊断流程和故障定位6种方法。按照故障诊断流程和其中的外接信号源联合频谱仪法,分析诊断、定位并修复了天馈系统天线座内环流器故障导致的雷达观测回波强度偏弱、灵敏度降低故障的典型个例。结果表明,根据雷达现场配备仪表状况,通过故障诊断流程,采用合适方法和技巧,可达到快速定位天馈系统故障部位、在最短时间修复雷达故障目的。 相似文献
10.
为了避免遗传算法种群中个体过早陷入局部最小,在以往随机初始种群的基础上提出一种均分法,使得初始种群随机平均地分为若干个子种群,形成小生境,这样既维持了种群的多样性,也使得种群中的个体不会过早出现早熟现象,更提高了算法的收敛速度.同时采用了自适应技术控制交叉和变异的概率,使得算法能更快速地找到最优解.仿真结果表明,与传统的遗传算法优化RBF网络相比较,新算法的迭代次数更少,精度更高,大大提高了收敛速度. 相似文献
11.
基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。 相似文献
12.
现在风廓线雷达已被广泛应用在局地天气预报、空中管制、大气污染预防等方面,对国民经济的发展具有重要的意义。随着雷达使用年限的增加,雷达设备故障率也在增加。由于CFL-03型风廓线雷达已经实现了全固态、模块化设计,许多气象局都订购了相关的备件,因此只要对设备进行故障诊断,判断出故障的位置,进行备件更换,设备就可以恢复正常工作。按照CFL-03型风廓线雷达的组成,对故障部位进行分析,结果表明,常见故障发生的地方一是监控组合的监控板,二是故障发生点为接收机的标频组件、基准组件等,三是故障发生点为发射机的功合部分、波控的波束转换板,四是故障点为天线的一分六公分器。在故障判断过程中,最简单的方法就是利用分机组合上的故障指示灯和软件界面上的故障信息指示表来判断。此外,利用三用表、示波器、频谱仪和矢量网络分析仪等可以进一步判断故障。 相似文献
13.
风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。 相似文献
14.
设计了一个基于故障逻辑解释器的电路故障诊断模型,结合传统的故障树分析方法和脚本语言分析方法的优点,以XML技术构造故障树,用脚本语言配合故障树节点的故障逻辑推理,为实现自动推理过程,创建了一个故障逻辑解释智能组件,对故障树和脚本语言进行解释,形成一套智能故障分析模型.在软件工程师实现软件系统后,建立、维护知识库及推理测试的过程只需电子工程师和录入员进行,分工明确.该系统方便灵活,在实际应用中,取得了良好的效果. 相似文献
15.
基于遗传优化BP神经网络的水稻气象产量预报模型 总被引：9，自引：4，他引：5
利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。 相似文献
16.
采用2013年中国科学院大气物理研究所香河大气综合观测试验站的地基微波辐射计和激光雷达观测数据,以激光雷达探测的大气边界层高度为参考,分别利用非线性神经网络和多元线性回归方法建立微波亮温直接反演大气边界层高度的算法,并对比两种方法的反演能力, 同时分析非线性神经网络算法在不同时段及不同天气状况下反演结果的差异。结果表明:非线性神经网络算法的反演能力优于多元线性回归算法,其反演结果与激光雷达探测的大气边界层高度有较好一致性,冬、春季的相关系数达到0.83,反演精度比线性回归算法约高26%;对于不同时段和不同天气条件,春季的反演结果最好,晴空的反演结果好于云天; 四季和不同天气状况的划分也有利于提高反演精度。 相似文献
17.
定位精度是评价雷电定位网络的重要指标之一,定位算法直接影响雷电探测结果的精度。雷电监测系统探测数据误差不可避免,传统定位算法不具备抗误差干扰能力,迭代计算易发散,定位结果精度不高。为了满足实际应用需求,提出一种新的雷电定位算法DG-LLA（DBSCAN and grid-search lighting location algorithm）,在定位计算中引入DBSCAN（density-based spatial clustering of applications with noise）方法与网格搜索方法。通过仿真与国家雷电监测网实际定位结果对比分析定位算法性能。结果表明:到达时间差（time difference of arrival,TDOA）法和Taylor级数展开法定位误差较大,仿真区域的均方根误差分别为982 m和668 m;定位中引入DBSCAN方法后,均方根误差明显减小为406 m,引入DBSCAN方法和网格搜索方法后,均方根误差减小为349 m;在相同回击数据条件下,算法DG-LLA与国家雷电监测网相比定位数量更多,回击数据的利用率从43.4%提升到51.5%,新增定位结果周围雷达回波特征较强,定位精度更高。 相似文献
18.
为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力。基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的玉米农田监测系统。系统由玉米农田监测装置和云端服务器组成,监测装置采集玉米图像、气象要素和田间位置数据,通过4G无线发送给云端服务器,云端服务器利用深度局部关联神经网络识别生长阶段,显示结果并存入数据库中。仿真试验表明,深度局部关联神经网络平均识别准确率达到92.53%,较VGGNet的87.21%和LSTM的88.50%,准确率分别提高了5.32%和4.03%。实地测试结果表明,野外环境下系统准确率可达到91.43%,能够稳定地对农田玉米生长情况进行监测,具有重要的应用价值。 相似文献