国家安全生产监督管理总局安全生产科技发展计划项目(06-472)
- 作品数：5 被引量：69H指数：4
- 相关作者：潘玉民张全柱邓永红薛鹏骞张晓宇更多>>
- 相关机构：华北科技学院更多>>
- 发文基金：河北省教育厅科学技术研究计划国家安全生产监督管理总局安全生产科技发展计划项目更多>>
- 相关领域：自动化与计算机技术环境科学与工程电气工程更多>>
- 基于QPSO-FNN的混沌时间序列预测被引量：4
- 2013年
- 提出一种太阳黑子月均数混沌时序的模糊神经网络预测方法。该方法根据时间序列的延迟因子和饱和嵌入维数重构相空间,利用Lyapunov指数法判别时序系统的混沌特性,采用混合pi-sigma模糊神经推理方法拟合混沌吸引子特性。其中混合pi-sig-ma模糊神经网络以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数,并采用量子粒子群算法(QPSO)优化网络初始参数,提高预测准确度。该模型具有物理意义清晰、预测精度高以及预测结果确定等优点,仿真实验结果证明了该方法的有效性。
- 潘玉民邓永红张全柱
- 关键词：混沌时间序列太阳黑子模糊神经网络
- 基于QPSO-RBF的瓦斯涌出量预测模型被引量：32
- 2012年
- 为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。
- 潘玉民邓永红张全柱薛鹏骞
- 关键词：瓦斯涌出量
- 短期电力负荷的小波—混沌时序预测被引量：9
- 2013年
- 提出了一种基于2层小波分解的混沌时序相空间重构预测模型。该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果。该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复。通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法。针对神经网络预测不稳定的问题给出了一种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义。
- 潘玉民邓永红张全柱
- 关键词：电力负荷小波分解相空间重构
- 小波神经网络模型的确定性预测及应用被引量：22
- 2013年
- 针对神经网络模型预测结果的随机性,构建了一种紧致性小波神经网络工具箱。该方法将小波函数移植到BP网络隐层,并采用一种随机确定状态命令获得确定的预测结果。与编程实现的小波神经网络和BP网络比较,该方法适合于大批量数据训练,对数据样本的适应能力和鲁棒性强,尤其对高频随机时间序列有更好的适应能力,具有预测结果确定及实用性强等特点,可显著提高模型的训练速度、预测精度和预测效率。基于小波包变换和小波神经网络的瓦斯涌出量预测实验证明了所提方法的有效性。
- 潘玉民邓永红张全柱
- 关键词：小波神经网络工具箱小波包瓦斯涌出量
- 太阳黑子数的小波包-小波网络混沌时序预测被引量：2
- 2013年
- 太阳黑子是表征太阳活动的重要现象,影响地球、人体乃至生命环境。针对影响太阳黑子的因子难以确定的问题,引入小波包和混沌相空间重构子序列揭示太阳黑子时间序列的动力学及物理规律。该方法采用小波包分解原始时间序列,用混沌相空间重构恢复影响因子,并采用小波神经网络预测子序列,再经小波包重构获得太阳黑子的最终预测结果。其中小波神经网络采用自行开发的工具箱,其具有方便、收敛速度快、数据吞吐量大、预测精度高以及实用性强等特点,对推广小波神经网络应用具有重要作用,并为太阳黑子数的预测提供了一条新途径。
- 潘玉民张晓宇张全柱
- 关键词：太阳黑子小波神经网络小波包混沌
