人工神经网络技术及其应用

发布时间：2017-08-10 04:05

  本文关键词：人工神经网络技术及其应用

  更多相关文章： 神经网络 水文预报 电力系统负荷预测

【摘要】： 人工神经网络技术已有很长的历史，但近些年来进展非常迅速。研究表明该技术在很多领域都具有广阔的应用潜力，如预测预报、模式识别、自动控制等领域的智能模拟和信息处理。神经网络技术在水文水资源中的应用也越来越多。大量的研究表明：神经网络技术具有大规模并行处理、分布式存储、自适应性、容错性等显著优点，利用该技术可以有效地解决水文水资源中难以精确建模、具有高度非线性和各种不确定性的问题。 人工神经网络技术的关键在于建立一个既有一定理论基础又具适用性的网络模型。这涉及到三个主要方面。 (1)网络算法的优选； (2)网络结构的合理确定； (3)信息的充分利用。 本论文正是基于以上三个方面的考虑，结合人工神经网络技术在水文预报及电力系统负荷预测中的应用，，进行了较系统的探索，取得了以下具有创新意义的研究成果。 (1)在网络算法上，提出一种自适应的BP算法，该方法能有效的抑制网络陷于局部极小并缩短了学习时间。提出一种敏感型神经网络模型，该模型在对权值的调整过程中采用指数型能量函数，以加快网络的学习收敛速度。开创性地利用时间差分神经网络模型来训练网络权重。首次采用两种不同的手段将卡尔曼滤波技术与神经网络技术相结合。 (2)首次在水文中建立带偏差单元的递归神经网络模型结构，两个偏差节点分别加在隐层和输出层上。隐层节点不仅接收来自输入层的输出信号，还接收隐层节点自身的一步延时输出信号，加强了对过去的输入信息的存储，因此 该网络结构反映了前后时段水文变量的相关特性，大大增强了网络适应性，提 高了网络预测精度。 (3)为充分挖掘样本所包含的信息，本文从训练样本的构成入手，提出两 种方法:一为择优检验法，二为加权检验法。在敏感型神经网络模型中，构造 时序样本时引入遗忘因子和期望因子，达到合理地利用各种信息的目的，从而 提高了模型的实用性。过拟合是人工神经网络技术应用中经常遇到的难题，本 文引用信息论中的一般测不准关系式，对神经网络中过拟合问题进行了定性分 析与定量计算，这对解决该难题具有一定的指导意义。 综上所述，为了加强人工神经网络技术的应用基础，提高在系统建模、计算 和预测中的实用性，特别是在水文水资源计算和预测中的实用性，本文就该项 技术当前存在的问题—网络结构和算法的合理确定以及样本信息的挖掘和充 分利用，做了开拓性的探讨，获得了有价值的创新成果。
【关键词】：神经网络 水文预报 电力系统负荷预测
【学位授予单位】：四川大学
【学位级别】：博士
【学位授予年份】：2003
【分类号】：P338;TP183
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 绪论11-27
• 0.1 人工神经网络技术在水文预报中的研究现状11-14
• 0.1.1 对网络算法的改进12-13
• 0.1.2 网络结构的变化13-14
• 0.1.3 网络算法与其它方法的耦合途径14
• 0.2 人工神经网络技术在电力负荷预测中的研究现状14-20
• 0.2.1 影响负荷预测作用大小的因素15-16
• 0.2.2 负荷预测的基本原理16-17
• 0.2.3 神经网络技术在电力负荷预测中的研究现状17-19
• 0.2.4 四川省电网特点19-20
• 0.3 人工神经网络技术在应用中存在的问题20-21
• 0.3.1 训练样本问题20-21
• 0.3.2 网络结构问题21
• 0.3.3 网络算法问题21
• 0.3.4 网络推广能力问题21
• 0.4 本文主要研究内容21-23
• 0.4.1 研究意义22
• 0.4.2 研究内容22-23
• 参考文献23-27
• 第一章 神经网络技术若干问题的进一步研究27-49
• 1.1 人工神经网络推广能力的研究27-33
• 1.1.1 神经网络推广能力研究现状28
• 1.1.2 推广能力的定性分析28-30
• 1.1.3 一般推广问题的数学研究30
• 1.1.4 提高推广能力的方法研究30-33
• 1.2 设计人工神经网络结构的研究33-41
• 1.2.1 人工神经网络结构的研究现状34-38
• 1.2.2 级数人工神经网络模型38-41
• 1.3 神经网络样本量问题的研究41-44
• 1.3.1 两个基本概念41-43
• 1.3.2 训练样本量范围大小的计算公式43-44
• 1.4 本章小结44
• 参考文献44-49
• 第二章 自适应BP模型及其应用49-58
• 2.1 引言49-50
• 2.2 自适应BP算法模型50-52
• 2.2.1 标准BP网络结构及算法50-51
• 2.2.2 自适应BP算法51-52
• 2.3 自适应BP算法在洪水预报中的应用52-54
• 2.3.1 自适应BP算法拟合结果52-53
• 2.3.2 自适应BP算法预报结果53-54
• 2.4 自适应BP算法在电力负荷预测中的应用54-57
• 2.4.1 原始资料分析54-55
• 2.4.2 不考虑气象因素的计算结果55-56
• 2.4.3 考虑气象因素的计算结果56-57
• 2.5 小结57
• 参考文献57-58
• 第三章 具有敏感功能的人工神经网络模型及其应用58-67
• 3.1 引言58
• 3.2 敏感型人工神经网络模型58-60
• 3.2.1 时序训练样本的构造58-59
• 3.2.2 指数型能量函数59-60
• 3.3 敏感型人工神经网络模型在洪水预报中的应用60-62
• 3.3.1 实例1:长江监利站60-61
• 3.3.2 实例2:新疆伊犁河雅马渡站61-62
• 3.4 敏感型人工神经网络模型在电力负荷预测中的应用62-65
• 3.4.1 原始资料分析62-63
• 3.4.2 不考虑气象因素的计算结果63-64
• 3.4.3 考虑气象因素的计算结果64-65
• 3.5 小结65-66
• 参考文献66-67
• 第四章 时间差分法模型及在洪水预报中的应用67-73
• 4.1 引言67-68
• 4.2 时间差分人工神经网络模型68-69
• 4.3 时间差分法神经网络模型在水文预报中的应用69-71
• 4.3.1 实例1:长江监利站69-70
• 4.3.2 实例2:岷江紫坪埔站70-71
• 4.4 小结71-72
• 参考文献72-73
• 第五章 结合卡尔曼滤波技术的神经网络模型及其应用73-83
• 5.1 引言73-74
• 5.2 基于神经网络技术的卡尔曼滤波实时校正模型74-76
• 5.3 ANNK模型应用76-78
• 5.3.1 ANNK模型在水文预报上的应用76-77
• 5.3.2 ANNK模型应用小结77-78
• 5.4 基于卡尔曼滤波实时校正技术的神经网络模型78-80
• 5.5 KANN模型的应用80-81
• 5.5.1 KANN模型在水文预报中的应用80-81
• 5.5.2 KANN模型应用小结81
• 参考文献81-83
• 第六章 带偏差单元的人工神经网络模型及其应用83-89
• 6.1 引言83-84
• 6.2 带偏差单元的人工神经网络模型84-86
• 6.2.1 带偏差单元的递归神经网络结构84-85
• 6.2.2 带偏差单元的递归神经网络的计算85-86
• 6.3 带偏差单元的神经网络模型在年径流预报中的应用86-88
• 6.4 小结88
• 参考文献88-89
• 第七章 BP网络过拟合满足的不确定关系式在应用中的研究89-109
• 7.1 引言89
• 7.2 BP网络过拟合不确定关系式的推导89-92
• 7.3 实际应用中过拟合参数的求取92-107
• 7.3.1 长江流域宜昌水文站93-97
• 7.3.2 长江流域监利水文站97-100
• 7.3.3 岷江流域紫坪埔水文站100-104
• 7.3.4 金沙江流域屏山水文站104-107
• 7.4 小结107
• 参考文献107-109
• 第八章 总结与展望109-112
• 声明112-113
• 攻读博士期间发表论文113-114
• 致谢114

【引证文献】

中国期刊全文数据库 前10条

1 魏峰;;一种数字式煤矿安全监控系统设计[J];工矿自动化;2017年02期

2 杨肃昌;仇亚萍;;神经网络法在商业银行信用风险计量中的应用[J];合作经济与科技;2016年05期

3 王炎;王船海;王妮;陈景波;许强;;BP神经网络在感潮河段水动力洪水预报中的应用[J];水力发电;2016年02期

4 郑文龙;都金康;;基于BP神经网络的玛纳斯河流域雪盖率预测[J];南京大学学报(自然科学);2015年05期

5 吉春辉;刘振旺;秦旭达;田利成;张烘州;刘婕;;钛合金螺旋铣孔参数对表面粗糙度影响研究[J];河北科技大学学报;2015年03期

6 孙会波;闫宝瑞;信春玲;何亚东;;基于BP神经网络的挤出温升预测[J];塑料;2014年06期

7 宁梓呈;郑玉航;王爱亮;;基于PCA-GA-BP神经网络的状态评估算法[J];兵工自动化;2014年09期

8 谢志远;朱成立;卢婷;;基于计算机辅助系统的灌溉管网设计原则的研究[J];电子测试;2014年10期

9 李宁;王波;邢艳娟;张建民;潘保芝;;基于毛细管压力曲线储层自动分类及测井评价[J];测井技术;2013年06期

10 邵福波;董玉林;胡运红;;支持向量机理论发展与应用综述[J];泰山学院学报;2013年06期

中国博士学位论文全文数据库 前10条

1 张学广;基于损伤理论的铝合金板料成形极限研究[D];吉林大学;2016年

2 王慧明;丁腈橡胶在原油介质中的溶胀老化及耐磨损性能研究[D];沈阳工业大学;2015年

3 陈建民;面向移动应用安全评估的多属性专家决策模型及应用研究[D];北京工业大学;2014年

4 张杰;复杂断陷盆地套管损坏原因及预测方法研究[D];中国海洋大学;2014年

5 薛承梦;产品创新设计人员与组织匹配研究及系统开发[D];重庆大学;2014年

6 石磊;基于ANN的颈脊髓损伤和股骨转子间骨折预后预测研究[D];大连海事大学;2014年

7 罗旋;采油螺杆泵转子转速优化方法研究[D];沈阳工业大学;2013年

8 宋晓林;1950s以来挠力河流域径流特征变化及其影响因素[D];中国科学院研究生院(东北地理与农业生态研究所);2012年

9 马国巍;中国乳业合作社发展研究[D];东北林业大学;2011年

10 尹利华;公路软土地基处理关键技术智能信息化研究[D];长安大学;2011年

中国硕士学位论文全文数据库 前10条

1 苗玉;煤层气单井系统故障诊断与参数预测的研究[D];大连理工大学;2016年

2 仇亚萍;基于神经网络的商业银行信用风险评估研究[D];兰州大学;2016年

3 司海青;含水量对土壤有机质含量高光谱估算的影响研究[D];中国农业科学院;2015年

4 张靓;基于语音疲劳度的识别研究[D];安徽大学;2015年

5 胡超;基于BP人工神经网络的区域森林火灾预测研究[D];浙江海洋学院;2015年

6 陈汉伟;基于人工智能的虚拟角色行为决策能力的研究[D];浙江理工大学;2015年

7 潘超;微电网超短期负荷预测方法及策略研究[D];辽宁工业大学;2015年

8 孙硕;面向预防性维修的备件需求预测与库存优化方法研究[D];北京理工大学;2015年

9 张野;基于神经网络的油管传输射孔（TCP）信号分析[D];沈阳理工大学;2015年

10 李伟昌;基于ANFIS的风电机组变桨距系统故障诊断与预测[D];河北工业大学;2015年

本文编号：648733