基于ANFIS的电气火灾预测模型

发布时间：2021-07-14 21:43

　　对电气火灾进行精确的预测是保证工业安全生产的重要手段。提出ANFIS（自适应神经模糊推理系统）预测模型,通过BP算法和最小二乘估计法（LSE）的混合算法来进行学习,来调整系统的前件和后件参数。以徐州特气某一办公楼层的实测数据为例进行算例分析,其中在形成初始模糊推理系统结构时,采用的算法是减法聚类,该算法有效地避免了人工设定结构法产生的组合爆炸问题。引入一阶Sugeno模糊模型,该算法有效解决了平滑地改变线性增益及非线性建模问题。最后将预测结果与真实值对比,利用MTALB仿真工具进行误差分析,结果表明鲁棒性较高,进一步说明了ANFIS预测模型的有效性。 

【文章来源】：信息通信. 2020,(07)

【文章页数】：3 页

【参考文献】：
期刊论文
[1]基于加权Logistic回归模型的森林火灾预测[J]. 文斌,谢献强,孙萌,杜治国,李溯,黄平,朱宇浩,谢柏联.  林业与环境科学. 2019(04)
[2]基于TensorFlow的LSTM神经网络智能电气火灾预测研究[J]. 赵月爱,秦佳宁.  太原师范学院学报(自然科学版). 2019(02)
[3]基于气象因子深度学习的森林火灾预测方法[J]. 孙立研,刘美玲,周礼祥,于洋.  林业工程学报. 2019(03)
[4]模糊自适应变权重组合模型在消防中的应用[J]. 刘洪太,郭云霞,赵刚,薛彦宇.  中国新技术新产品. 2018(24)
[5]基于ANFIS-SOM神经网络的汽轮机通流部分故障诊断研究[J]. 王惠杰,张家宁,赵立坤,王雷雨.  应用能源技术. 2017(09)
[6]ET0影响因素及ANFIS预测模型研究[J]. 李志磊,魏正英,周建平,许燕.  机械设计与制造. 2016(10)
[7]基于模糊神经网络的坦克目标识别[J]. 郭佳,邓甲昊.  制导与引信. 2012(02)
[8]基于电气火灾数据的灰色分析与预测[J]. 李映彤,王越,张烨,窦彤阳,西尔扎提·阿迪力,杨建华.  科技信息. 2012(14)
[9]智能电气火灾预警系统研究[J]. 熊橙梁,马昕,廖文,彭浩明,谷霖.  通信技术. 2012(02)

硕士论文
[1]红外热成像预测电气线路火灾实验研究[D]. 郝海斌.中国地质大学（北京） 2014



本文编号：3284950