国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 77 条结果

基于L-M算法的火电厂实时数据神经网络预测模型研究北大核心
作者：杨雁梅陈梅倩刘杰
发表期刊：热力发电 2008年1期
关键词：火电厂L-M算法BP神经网络实时数据神经网络预测模型数据预处理仿真
摘要：提出了一种建立在BP神经网络上的基于Levenberg-Marquardt(简称L-M)算法的火电厂实时数据神经网络预测模型,以减少训练次数和提高训练精度.通过对某电厂300MW机组高压加热器进口温度进行训练和校核,分析了数据预处理的重要性.仿真结果表明,该模型能够获得未来时刻合理的预测结果,可用于缺失数据补充和实时数据校核,提高数据可靠性,适用于在线对未来状态的评价,为状态检修提供参考依据.
BP神经网络在心理障碍诊断中的应用研究北大核心CSCDCSTPCD
作者：崔玉洁熊海灵朱明强
发表期刊：计算机应用与软件 2012年3期
关键词：BP神经网络L-M算法心理障碍
摘要：以高校大学生常见心理疾病作为研究对象,充分利用L-M算法的全局寻优性及局部收敛性的特点对BP神经网络进行优化,建立基于改进的BP算法的心理诊断模型,实现简单的模式识别.仿真结果表明:该模型减少了训练迭代次数,缩短了训练时间,具有较高的准确性,应用该神经网络建立心理障碍诊断系统也是有效的.
利用改进BP神经网络预测初产奶牛产奶量的方法北大核心CSCDCSTPCD
作者：戚国强张长利魏晓莉钮志勇
发表期刊：农业机械学报 2007年5期
关键词：奶牛产奶量预测BP神经网络L-M算法
摘要：针对传统BP算法的缺陷,提出了一种采用L-M训练法的BP神经网络.在此基础上建立了基于改进BP神经网络非线性系统的奶牛305 d产奶量预测模型,此模型可以提前215 d预测初产奶牛305 d产奶量,从而实现提早进行选择,加速奶牛育种工作进程.并通过具体的实验验证了改进BP神经网络预测模型的有效性.
LM-BP神经网络在于桥水库水质预测中的应用
作者：田建平曹东卫李海楠
发表期刊：水利信息化 2010年3期
关键词：BP神经网络L-M算法水质预测
摘要：利用BP神经网络的改进算法(L-M),通过对大量样本进行多次的训练学习,建立于桥水库水质预测模型,用该模型对于桥水库高锰酸盐指数、五日生化需氧量、氨氮、溶解氧等污染指标进行了预测,预测结果表明,LM-BP神经网络模型用在于桥水库水质预测时是可行的,可以得到较为理想的的精度和可靠度.
水文预测中的神经网络模型实用对比分析北大核心CSCDCSTPCD
作者：董曼玲黄飞秦丕梓
发表期刊：山东农业大学学报（自然科学版） 2002年2期
关键词：BP网络L-M算法径向基函数算法(RBF)
摘要：本文尝试用BP网络、L-M网络和 RBF 网络进行水文预测,并将这三种网络的计算结果进行了比较分析.结果表明,L-M网和RBF 网络对水文预测比 BP 网络更准确,收敛速度更快.本文的研究为使用者选择合适的高性能的网络结构提供了参考.
柔索驱动并联机器人定位误差的柔性补偿法北大核心CSCDCSTPCD
作者：汤奥斐仇原鹰赵泽
发表期刊：高技术通讯 2008年3期
关键词：大射电望远镜(LT)柔索驱动并联机器人(WDPR)误差补偿人工神经元网络(ANN)L-M算法
摘要：提出了用人工神经元网络(ANN)补偿大射电望远镜(LT)中柔索驱动并联机器人(WDPR)系统动平台位姿误差的方法.为了提高WDPR的运动精度,建立了3种可行的误差补偿方案,并运用Levenberg-Marquart(L-M)算法训练了相应的3个神经元网络.标定仿真显示,基于索长补偿的柔性标定方案比基于动平台位姿补偿的标定方案好.研究结果为提高LT舱索系统的控制精度奠定了理论基础.
短期负荷预测神经网络方法比较北大核心CSTPCD
作者：李晓波罗枚冯凯
发表期刊：继电器 2007年6期
关键词：短期负荷预测人工神经网络L-M算法贝叶斯正则化算法优化算法
摘要：以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型--SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较.针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景.而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于…查看全部>>
人工神经网络预测煤炭成浆浓度的研究北大核心CSCD
作者：周俊虎李艳昌程军周志军李珊珊刘建忠岑可法
发表期刊：燃料化学学报 2005年6期
关键词：煤成浆性人工神经网络L-M算法
摘要：考虑煤炭的多种理化特性建立了成浆浓度的神经网络预测模型,对其数据预处理方法、学习率和中间层节点数等进行了深入讨论.水分、挥发分、分析基碳、灰分和氧等五个因子对于煤炭成浆性的预测起到主导作用.五因子、七因子和八因子神经网络模型对煤炭成浆浓度的预测误差分别为:0.53%、0.50%和0.74%,而现有回归分析方程的误差为1.15%,故神经网络模型比回归分析方程有更好的预测能力,尤以七因子模型最佳.
一种混合方法在试井参数优化中的应用北大核心CSCDCSTPCD
作者：徐杰卢德唐韩伟
发表期刊：计算机工程与应用 2009年9期
关键词：L-M算法差分进化算法密度聚类混合方法试井参数反演
摘要：试井参数优化就是对利用测得的油气井底压力或流量随时间变化的资料所反演出的油藏参数进行优化处理.现代试井中遇到的复杂方程和定解条件使得试井参数优化问题高度非线性,存在多局部极值.所提出的基于L-M和差分进化的混合方法是利用差分进化算法在一定进化代数后出现的种群聚类特性,将种群识别为不同的聚类区域,然后以每个聚类的中心为起始点,再利用基于梯度具有局部搜索能力强的L-M算法快速找到该聚类区域的最小极值.混合方法兼顾了差分进化全局搜索能力强和…查看全部>>
L-M优化算法在爆破振动参数预测中的应用北大核心CSCDCSTPCD
作者：张艺峰姚道平谢志招杨江峰叶友权
发表期刊：地震学报 2008年5期
关键词：爆破振动神经网络L-M算法预测
摘要：当前，以振动峰值作为单一爆破振动安全指标的回归经验公式，在国内外爆破工程界得到广泛应用．但由于爆破机理和爆破介质环境复杂，影响因素诸多，很难用一个经验公式把这些因素都考虑进去；再加上回归分析方法固有的局限性（要求数据有较好的分布规律和大样本量），经验公式方法进行振动预测的效果不甚理想（李保珍，1997；陈寿如，2001；张继春，2001）．

12 3 4 5 6 >