基于中尺度模式与神经网络的风电功率预测     

于凤鸣  李喜仓  宋进华  高春香  卓义 《气象科技》2013,41(4):784-789

将中尺度数值天气预报模式与BP神经网络模型相结合用于风电功率预测,以WRF模式回算了2008年6月至2009年6月试验风电场的气象要素,精度检验结果显示风速预报值与对应实测值之间的相关系数达到0.72,风向、气温、湿度、气压的预报也比较准确,满足建立BP神经网络预报模型的需要.逐一建立试验风电场40台风电机组输出功率的BP神经网络预报模型,分析了数据标准化方法、隐含层神经元数对预报精度的影响.进行了26天实效为24 h的逐10 min预报试验,并以独立样本进行预报精度检验,结果显示单台风电机组输出功率相对均方根误差在24.8％～32.6％之间,预报值与实测值之间的相关系数现在0.45～0.68之间;风电场整体相对均方根误差为19.5％,预报值与实测值之间的相关系数为0.74.研究结果表明该方法可以用于实际的风电功率预测.  相似文献   

基于BP模型的渔业资源可持续利用综合动态评价     

陈新军  周应祺 《广东海洋大学学报》2002,22(6):38-44

在对传统可持续发展评价方法进行评述的基础上 ,利用神经网络具有自组织、自学习、自适应以及非线性等功能 ,提出了以BP模型为基础包括经济、社会和资源环境三个方面的渔业资源可持续利用综合动态评价方法 ,该方法克服了传统上单纯从生物方面进行资源评价的缺陷。并以东海区 1978～ 1990年的渔业资源可持续利用状况为例进行了实证分析 ,建立以BP模型为基础的东海区渔业资源可持续利用的综合动态评价模型。  相似文献   

箭竹生长及开花的气象条件研究     

胡毅  向卫国  朱克云  林若钟  王金锡  汪万江 《成都信息工程学院学报》1997,(3)

通过对我国历史上箭竹开花及王朗自然保护区箭竹生长气象条件的研究认为，箭竹开花多在冬暖夏凉的年份；箭竹的生长量可由气象因素的变化来进行预测。研究结果可为保护大熊猫提供一定的气象依据。  相似文献   

BPSA混合策略在GPS高程拟合中的应用   总被引：2，自引：1，他引：1  

范千  王新洲  朱轶群 《测绘工程》2006,15(2):9-11

针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用BP算法监督学习特点,模拟退火算法(SA)在局部极小处的概率突变性,有效结合BP和SA算法,提出一种BPSA混合学习策略。将其应用于GPS高程拟合,并以实例验证了该算法的有效性。  相似文献   

高速公路路基沉降预测的神经网络模型     

姚云逸  吴军  胡伍生 《现代测绘》2012,35(2):10-12

软土地基的沉降控制是保证高速公路建设质量的一个关键技术.论文主要介绍了一个对高速公路路基沉降进行预测的神经网络模型.对神经网络的BP算法进行了改进,提高了BP算法的学习收敛速度和网络性能的稳定性.神经网络法预测路基沉降的难点之一是合适的训练样本构造问题,论文提出了新颖独特的“训练样本”构造方法,且应用效果良好.利用路基沉降量实测资料直接建模,采用BP网络计算的改进算法,可较为准确地预测大约4个月之后的沉降量,预测值与实测值吻合较好.  相似文献   

基于BP神经网络的地质灾害细网格预报模型     

蔡敏  黄艳  朱宵峰  沈锦栋  金培  吴惠娟 《气象》2009,35(7):95-100

地质灾害成因复杂,其中以气象因素、地质地貌因素引发的地质灾害最为常见.以金华地区为例,通过对金华市地质地貌条件及其对地质灾害点的调查,将全区划分为4个地质灾害隐患风险等级的网格区域.在此基础上利用金华中尺度气象资料,采用BP神经网络模型,建立地质灾害细网格预报模型,对该模型进行模拟和预报试验.结果表明,合理的隐患风险等级分区能使预报模型更符合科学规律,而采用分布较细的中尺度资料作为预报因子能进一步提高预报精度.模型的预报结果达到一定的可信度,为防灾减灾工作提供了科学依据.  相似文献   

PCA-BP神经网络在SO2浓度预报中的应用     

于文革  王体健  杨诚  孙莹 《气象》2008,34(6):97-101

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.  相似文献   

地表下沉系数选取的LWPSO-BP方法研究     

张飞  刘文生  霍志国  方书山 《测绘科学》2011,36(6):128-130

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,本文以线性下降惯性权重粒子群优化算法(LLWPSO)为前处理器,优化BP网络的权值和阈值,利用实测资料数据,建立LWPSO-BP的地表下沉系数预计模型,并同普通BP模型预计结果对比结果表明:LWPSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地...  相似文献   

基于BP神经网络的青藏高原土壤养分评价   总被引：5，自引：1，他引：4  

杨文静  王一博  刘鑫  孙哲 《冰川冻土》2019,41(1):215-226

土壤养分在养分循环和土壤-植物关系中起着重要作用,在高海拔生态系统中,由于缺乏系统的实地观测,土壤养分在高山草原中仍然知之甚少。为了了解青藏高原多年冻土区高寒草地土壤养分的基本情况以及土壤养分的等级划分,利用青藏高原腹地西大滩至安多地区采集的154个土壤样品数据,基于BP神经网络模型建立具有3层网络,10个中间层节点的土壤养分评价模型。在MATLAB软件中进行BP神经网络的训练和验证后,对青藏高原多年冻土区高寒草地土壤养分进行综合评价。结果表明：2009年青藏高原高寒草地的土壤养分综合评价等级为4级,属于较低水平。综合评价结果与基于主成分分析方法的土壤质量指数（SQI）基本一致,说明BP神经网络模型对青藏高原土壤养分的评价结果是合理的。对评价结果与海拔、植被盖度和植被类型的关系分析表明,海拔越高或植被盖度越高,土壤养分的评价等级越高;不同植被类型的评价等级表现出高寒沼泽草甸（2级）>高寒草甸（4级）>高寒草原（5级）的趋势。BP网络作为一种简单又准确的识别方法,不仅可以评估土壤养分等级,还可以比较不同地区的土壤养分高低状况,希望为青藏高原的土地资源管理与保护提供基本的科学依据。  相似文献   

Height prediction of water flowing fractured zones based on BP artificial neural network     

YANG Liu  WEN Xue-ru  WU Xiao-li  PEI Li-xin  YUE Chen  LIU Bing  GUO Si-jia 《地下水科学与工程》2019,(4):354-359

Factures caused by deformation and destruction of bedrocks over coal seams can easily lead to water flooding(inrush)in mines,a threat to safety production.Fractures with high hydraulic conductivity are good watercourses as well as passages for inrush in mines and tunnels.An accurate height prediction of water flowing fractured zones is a key issue in today's mine water prevention and control.The theory of leveraging BP artificial neural network in height prediction of water flowing fractured zones is analysed and applied in Qianjiaying Mine as an example in this paper.Per the comparison with traditional calculation results,the BP artificial neural network better reflects the geological conditions of the research mine areas and produces more objective,accurate and reasonable results,which can be applied to predict the height of water flowing fractured zones.  相似文献