公共文化服务平台

搜索到2060篇“ GRNN神经网络“的相关文章

基于聚类分析和GRNN神经网络的短期负荷预测: 2025年; 为改善神经网络模型短期负荷预测精度,提出了一种基于K均值聚类分析和改进广义回归神经网络(general regression neural network,GRNN)的短期地区电网负荷预测方法。首先对某地区原始电网负荷数据进行预处理,剔除坏数据,选取相似日负荷序列,利用K均值聚类方法将地区电网相似日负荷序列进行归类处理,然后通过改进的GRNN神经网络进行地区电网负荷预测。该数据处理方法改善了单一GRNN神经网络模型的预测精度,并通过预测实例进行有效验证。; 李春涛; 关键词：聚类分析神经网络短期负荷预测

基于DBO-GRNN神经网络的冰水堆积物渗透系数预测: 2025年; 冰水堆积物具有粒径范围宽、颗粒组成不均匀的特点,此类颗粒级配特征会较大程度上影响其渗透特性,从而影响水利水电工程的安全运行。以易贡藏布流域夏曲水电站冰水堆积物为研究对象,设计开展20组室内常水头渗透试验,建立了考虑级配面积的渗透系数计算经验公式;在此基础上,以试验数据为样本建立蜣螂算法(DBO)优化的GRNN神经网络,以特征粒径d 10~d 100、级配面积S为输入变量,预测冰水堆积物的渗透系数;并开展4组现场单环渗透试验验证DBO-GRNN模型精度。结果显示:该模型的渗透系数预测值与试验值能较好地吻合,误差在5%以内,而经验公式预测值、传统BP神经网络预测值与试验值的误差最大分别为61.29%和37.50%,表明DBO-GRNN神经网络可以较为准确地获取冰水堆积物的渗透系数。; 彭俊皓魏玉峰李常虎王群李征征; 关键词：颗粒级配

综合半参数变系数和GRNN神经网络的对流层延迟模型: 2025年; 对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系数与神经网络的新型经验对流层模型.首先,将频谱分析提取的主周期信号作为参数分量,将剩余周期信号和其他误差归入到非参数分量,建立半参数对流层天顶延迟模型(Semiparametric tropospheric zenith delay model,Semi);其次,为了减弱核函数和窗宽参数选择对估计值精度的影响,利用泰勒展式将参数分量展开到一次项,将窗宽参数与参数解算综合考虑,扩充为半参数变系数模型,综合核估计和最小二乘法,利用三步估计方法得到了参数分量和非参数分量的估计值及观测值的拟合残差;然后,引入广义回归神经网络模型(Generalized Regression Neural Network,GRNN)对拟合残差进行补偿建模,利用贝叶斯优化算法(Bayesian Optimization Algorithm,BOA)进行超参数选择,进一步提升混合模型对ZTD(Zenith Tropospheric Delay)的估计精度.最后,利用陆态网络2020至2022年的210个GNSS(Global Navigation Satellite System)测站的实测数据,对本文提出的半参数变系数与广义回归神经网络组合模型(Semiparametric Varying Coefficient-GRNN,Semi-VC-GRNN)与常用模型从系统误差分离和时空分布特性方面进行了对比分析.结果表明,Semi-VC-GRNN模型在2022年210个测站的测试中平均RMSE(Root Mean Square Error)和平均Bias分别为16.8 mm和0.4 mm,平均RMSE相较于5°分辨率和1°分辨率下的GPT3模型分别提升51.25%和50.07%.; 潘雄张思莹李涛黄伟凯金丽宏张红星; 关键词：天顶对流层延迟

基于Lasso-GRNN神经网络模型的京津冀碳达峰情景预测被引量：1: 2025年; 京津冀地区作为中国能源消耗、碳排放的集聚区,降低碳排放量,实现碳达峰是该区域当下的首要目标.以1995~2021年京津冀区域的碳排放数据以及影响碳排放的影响因素数据为研究样本,首先计算京津冀3个区域碳排放与经济增长的脱钩值,划分脱钩状态.其次考虑到影响碳排放因素的复杂性,通过Lasso变量选择方法确定影响京津冀每个地区碳排放的关键因素,将筛选出的各个关键因素值作为GRNN与BP神经网络的输入,网络输出为对应地方的碳排放值,分析比较建立每个区域的LassoGRNN与Lasso-BP碳排放模型,综合各个方面分析比较Lasso-GRNN预测结果均优于Lasso-BP模型,因此选择Lasso-GRNN模型进一步设定基准情景、因素调控情景与综合调控情景进行情景分析.结果表明:(1)北京市与天津市的经济增长与碳排放基本实现强脱钩,河北省整体处于弱脱钩状态,整体经济发展状态不够理想,需要进行调整优化.(2)在每种情景设置下,北京市均已在2010年实现碳达峰,峰值为13843.98万t;天津市在2013年实现碳达峰,峰值为21115.48万t;河北省在综合因素调控情景下,将在2029年实现碳达峰,峰值为92402.86万t.根据研究结果对京津冀的经济发展提出合理化建议,优化产业结构,差异化发展低碳路径,使得京津冀进一步加强协作,推动低碳合作体制机制创新.; 李国柱黄巧慧; 关键词：京津冀低碳发展

改进的MVO-GRNN神经网络岩爆预测模型研究被引量：1: 2024年; 准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Network,GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_(WEP))和旅行距离率(V_(TDR))两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。; 侯克鹏包广拓孙华芬; 关键词：安全工程岩爆预测

基于PSO-GRNN神经网络的二手车价值评估模型研究与应用: 随着我国经济进入高质量发展阶段,汽车市场发展蓬勃,越来越多的消费者依托多方面考虑,将目光渐渐投向了二手车交易市场。至2022年底,我国二手汽车售卖总量大幅度提高;与此同时,我国相关部门表态支持二手车行业发展,出台了一系列...; 汤怡琳; 关键词：神经网络模型粒子群算法

基于GRNN神经网络模型的人工智能企业价值评估研究 ——以中科曙光为例: 张佳旋

基于GRNN神经网络模型的半导体企业价值评估研究 ——以紫光国微为例: 程佳惠

基于GRNN神经网络的钢筋混凝土柱耗能能力预测: 2023年; 耗能能力是衡量钢筋混凝土柱(RC柱)抗震性能的重要指标,有限元模拟和试验法存在耗时耗力、成本高等问题。为此,文中提出了基于GRNN神经网络的RC柱耗能能力预测方法。从PEER数据库选取212组矩形柱,采用等效粘滞阻尼系数作为评价耗能能力的指标,利用MATLAB软件计算RC柱的滞回环面积和等效粘滞阻尼系数,通过SPSS显著性试验的方法评估影响RC柱等效粘滞阻尼系数的主要因素,建立RC柱等效粘滞阻尼系数神经网络预测模型。结果表明GRNN神经网络具有很好的表现,模型在测试集上的平均相对误差为21.33%,决定系数为0.792,等效粘滞阻尼系数预测值曲线与真实值曲线接近,具有良好的应用价值。; 周祥曾森董一韩; 关键词：钢筋混凝土柱 GRNN神经网络

INFO-GRNN神经网络的RC柱耗能能力预测方法: 2023年; 针对GRNN神经网络预测RC柱耗能能力的方法存在计算复杂度高和空间复杂度高等问题,文中研究得出一种新的评价RC柱耗能能力的指标,提出了INFO-GRNN神经网络的RC柱耗能能力预测方法。研究结果选取212组矩形柱,计算RC柱的滞回环面积和面周系数,结果表明面周系数曲线的预测值与真实值接近,具有较高的应用价值。; 徐常文曾森周祥; 关键词：钢筋混凝土柱耗能能力

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈