基于动态神经网络的系统建模理论及优化技术研究
发布时间:2021-07-22 05:43
系统建模技术已成为分析、研究各种系统,特别是复杂非线性系统的重要工具,由于具有经济、可靠、易实现和可多次重复使用等优点,已成为对实际系统进行分析、设计、实验、评估的有效手段,在科学研究和工程领域具有广泛应用。随着科学研究与工程应用领域的不断扩大,人们所面临的系统建模问题也变得越来越复杂。大多数建模对象存在着多种不确定性因素以及难以定量描述的非线性特性,并且对系统模型的描述能力和建模方法的灵活性、适用性以及智能水平要求越来越高,传统的系统建模方法在许多方面已不再满足当前的需求,存在模型选择及建模困难、精度低、求解难度大等问题。近几年来,智能信息处理理论和技术得到重视和发展,为解决复杂非线性动态系统的建模问题提供了一种有效途径。由于动态神经网络具有高度非线性映射能力、大规模并行分布处理和良好的自适应学习机制,在复杂系统建模方面表现出较大的优势。因此,将动态神经网络应用到系统建模方面的研究具有很好的前景。论文提出和建立了一种反馈动态神经网络模型,对一般过程神经网络模型的信息处理机制进行了改进。模型具有适用性强、学习效率高、对具体实际问题易于建模等特点;构建了基于梯度—牛顿结合训练算法、基于二...
【文章来源】:东北石油大学黑龙江省
【文章页数】:60 页
【学位级别】:硕士
【部分图文】:
754-1928训练结果与实际结果对比
辛普森20.05000.03555.1450柯特斯30.27680.15218.7296时域聚合运算采用辛普森积分时网络性能最佳,训练结果对{尽盯l||卜队以哗曰比0050005021玛豹价1754图4.118001850训练年份190019281754一1928训练结果与实际结果对比07年的样本数据,对训练好的网络进行测试,预测结果:Em、Eavg一10·05830预测结果与实际结果对比见图4.20
声声波时差 差 ACCCCC将河道砂体沉积微相细分为一类主河道、二类主河道、三类主河道、四类主河道、废弃河道、决口河道六种类型。六种沉积微相的测井相模式如图5.3所示。
【参考文献】:
期刊论文
[1]微分方程模型在运动中的简单应用[J]. 吴维煊. 数学学习与研究. 2010(11)
[2]解非线性方程的免导数牛顿算法[J]. 李万斌,颜永明. 怀化学院学报. 2010(05)
[3]一种基于过程神经元网络的非线性动态系统辨识模型及应用[J]. 许少华,何新贵. 信息与控制. 2010(02)
[4]基于改进的双并联动态过程神经网络的旅游需求预测[J]. 戴冰,张培茵. 长春大学学报. 2010(01)
[5]多项式微分系统的等价性[J]. 黄飞. 山东理工大学学报(自然科学版). 2010(01)
[6]基于混合量子遗传算法的过程神经元网络训练[J]. 刘志刚,许少华. 计算机应用研究. 2009(08)
[7]非线性动态系统建模方法研究[J]. 王峰,邢科义,徐小平. 计算机工程与应用. 2009(10)
[8]智能动态诊断模型及在示功图识别中的应用[J]. 张强,许少华. 计算机工程与应用. 2009(04)
[9]精确一维搜索下几种共轭梯度法的分析比较[J]. 张燕,徐尔. 北京工商大学学报(自然科学版). 2009(01)
[10]样条数值微分研究[J]. 高尚,周承新. 科学技术与工程. 2008(11)
本文编号:3296558
【文章来源】:东北石油大学黑龙江省
【文章页数】:60 页
【学位级别】:硕士
【部分图文】:
754-1928训练结果与实际结果对比
辛普森20.05000.03555.1450柯特斯30.27680.15218.7296时域聚合运算采用辛普森积分时网络性能最佳,训练结果对{尽盯l||卜队以哗曰比0050005021玛豹价1754图4.118001850训练年份190019281754一1928训练结果与实际结果对比07年的样本数据,对训练好的网络进行测试,预测结果:Em、Eavg一10·05830预测结果与实际结果对比见图4.20
声声波时差 差 ACCCCC将河道砂体沉积微相细分为一类主河道、二类主河道、三类主河道、四类主河道、废弃河道、决口河道六种类型。六种沉积微相的测井相模式如图5.3所示。
【参考文献】:
期刊论文
[1]微分方程模型在运动中的简单应用[J]. 吴维煊. 数学学习与研究. 2010(11)
[2]解非线性方程的免导数牛顿算法[J]. 李万斌,颜永明. 怀化学院学报. 2010(05)
[3]一种基于过程神经元网络的非线性动态系统辨识模型及应用[J]. 许少华,何新贵. 信息与控制. 2010(02)
[4]基于改进的双并联动态过程神经网络的旅游需求预测[J]. 戴冰,张培茵. 长春大学学报. 2010(01)
[5]多项式微分系统的等价性[J]. 黄飞. 山东理工大学学报(自然科学版). 2010(01)
[6]基于混合量子遗传算法的过程神经元网络训练[J]. 刘志刚,许少华. 计算机应用研究. 2009(08)
[7]非线性动态系统建模方法研究[J]. 王峰,邢科义,徐小平. 计算机工程与应用. 2009(10)
[8]智能动态诊断模型及在示功图识别中的应用[J]. 张强,许少华. 计算机工程与应用. 2009(04)
[9]精确一维搜索下几种共轭梯度法的分析比较[J]. 张燕,徐尔. 北京工商大学学报(自然科学版). 2009(01)
[10]样条数值微分研究[J]. 高尚,周承新. 科学技术与工程. 2008(11)
本文编号:3296558
本文链接:https://www.wllwen.com/projectlw/xtxlw/3296558.html