Elman神经网络
Elman神经网络的相关文献在1998年到2023年内共计861篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业
等领域,其中期刊论文732篇、会议论文37篇、专利文献366042篇;相关期刊471种,包括大地测量与地球动力学、黑龙江科技信息、科学技术与工程等;
相关会议36种,包括第九届全国信号和智能信息处理与应用学术会议、2015年全国智能电网用户端能源管理学术年会、第三届中国指挥控制大会等;Elman神经网络的相关文献由2477位作者贡献,包括周云龙、付华、孙斌等。
Elman神经网络—发文量
专利文献>
论文:366042篇
占比:99.79%
总计:366811篇
Elman神经网络
-研究学者
- 周云龙
- 付华
- 孙斌
- 张智晟
- 李刚
- 王强
- 崔东文
- 杨春节
- 孟令启
- 张超
- 李伟
- 李红娟
- 李萍
- 王刚
- 王宏伟
- 黄涛
- 傅攀
- 冯鹏
- 刘红梅
- 刘辉
- 史光辉
- 吕洲
- 吴杰康
- 吴礼斌
- 周军
- 姚科
- 孟华
- 宋平岗
- 张宇
- 张新燕
- 张皓
- 徐建新
- 徐耀松
- 施龙青
- 朱庆辉
- 李俊
- 李军
- 李勇
- 李华德
- 李如琦
- 李广儒
- 李海峰
- 李练兵
- 李长春
- 杨林
- 杨楠
- 欧阳平超
- 汤俊
- 王华
- 王平
-
-
罗林禄;
陈志聪;
吴丽君;
林培杰;
程树英
-
-
摘要:
为了准确表征和预测光伏(PV)组件在不同工况下的电流电压(I-V)特性,提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法.首先,通过皮尔森相关系数分析影响I-V曲线的环境因素;其次,使用基于电压电流的双线性插值法对实测I-V曲线进行重采样,以提高I-V曲线上数据点分布的均匀性;再次,使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样,降低数据冗余度,并利用量子粒子群(QPSO)算法优化Elman神经网络的初始权值和阈值,从而构造QPSO-Elman预测模型.最后,根据实测I-V曲线数据集进行实验验证和测试,并与多层感知机、未改进的Elman网络、支持向量机等算法进行对比.实验结果表明,所提出的建模预测方法精度更高,稳定性和泛化能力更好.
-
-
张娜;
任强;
刘广忱;
郭力萍;
李静宇
-
-
摘要:
以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输出功率短期预测模型。首先,使用Kmeans算法对原始数据按天气类型进行聚类;然后,使用VMD对每一类型天气光伏输出功率数据进行分解,分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测;最后,将各预测结果进行叠加。实例证明:该模型的预测精度有所提升。
-
-
冯杭华;
胡俊凯
-
-
摘要:
针对滑坡灾害预测问题,提出了一种基于二次指数平滑和Elman神经网络的滑坡位移预测方法。首先采用二次指数平滑算法将滑坡累积位移分解为趋势性位移和周期性位移,然后利用Elman神经网络建立影响因子和周期性位移之间的映射关系,最后将两个预测子位移叠加获得预测的累积位移。在三峡库区白水河滑坡上的验证结果表明,该方法是有效的,优于其他两种预测方法。
-
-
王超;
刘世明
-
-
摘要:
为了提高光伏电站短期预测功率的精度,提出一种基于相似日原理和改进CPSO-Elman神经网络模型的光伏电站短期功率预测方法。将历史运行数据按照时长划分不同季节,采用欧式距离对天气类型进行处理并建立天气类型系数,通过灰色关联分析法和余弦相似度指标结合选取相似日。由于粒子群算法搜索速度慢且存在易早熟等缺陷,采用改进混沌粒子群(CPSO)来优化Elman神经网络的权值和阈值,对夏季不同天气类型条件下的短期功率分别预测。选用南疆某光伏电站2020年运行数据进行分析,结果表明:CPSO-Elman在非晴天条件下也具有较高的预测精度。
-
-
郑晓君;
谭平;
姚洪灿
-
-
摘要:
神经网络时滞补偿算法在时滞补偿方面一般应用于特定激励下固定时滞的补偿问题,适用范围有待进一步改善。针对主动质量阻尼器控制系统,考虑不同地震波和时滞的影响,本文提出了一种基于遗传算法(GA)优化的神经网络时滞补偿方法。该方法通过跟踪理想状态的结构响应,采用GA对Elman神经网络进行初始权重和阈值的优化训练,并与经典的移相法和泰勒一阶法的时滞补偿效果进行了对比分析。研究结果表明:理想状态下AMD可以显著减小结构的位移和加速度响应。在175 ms、225 ms和275 ms的大时滞情况下,结构位移峰值、层间位移角、加速度均值和峰值指标与理想状态的指标差值均分别在19.4%、15.5%和22%之内,适用于不同地震波和时滞下的结构主动控制。
-
-
甘露;
陈芳芳;
孙祥晟;
李润;
王驰鑫;
徐天奇
-
-
摘要:
现代社会新能源汽车的利用率越来越高,很多城市都开始推广新能源汽车,政府也开始重视新能源汽车的发展。对于整个配电网来说,对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与量子遗传算法(QGA)-Elman组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进,研究的问题有一定应用价值。
-
-
徐根祺;
曹宁;
周璇;
谢国坤;
董三锋;
刘浩
-
-
摘要:
鉴于地下水位情况对经济生产建设和人们日常生活的重要性,为解决目前地下水位预测研究中存在的预测精度不高和误差较大的问题,基于Elman神经网络和灰度理论,构建一种GMElman模型,并以济源市地下水位为例进行预测。以2014年~2018年该地区地下水位数据为样本,预测出2019年的地下水位情况。分别以GM、Elman和GM-Elman三种不同的模型对相同的样本数据进行分析。实验结果表明:所提出的模型误差较小,预测结果更接近于真实值,为地下水位研究及相关实践提供提供了一种新的有效途径。
-
-
李宝玉;
张峰;
彭侠;
刘叶楠
-
-
摘要:
由于室内环境复杂,基于Elman神经网络的可见光位置感知存在收敛速度慢、定位精度低等缺点。论文提出基于麻雀搜索算法(sparrow search algorithm,SSA)优化Elman神经网络,同时融合K-means聚类的一种可见光室内位置感知算法。对采集到的数据建立数据库,利用SSA对Elman的拓扑结构和连接权阈值进行优化,建立训练模型,解决基于Elman神经网络室内位置感知算法易陷入局部最优的问题,提高收敛速度和稳健性;利用K-means对数据库优化分类,将处理好的数据代入模型训练得初步预测结果;将初步预测结果代入子类二次训练得预测点的最终坐标,进一步提高定位精度。基于0.8 m×0.8 m×0.8 m的立体空间进行实验,结果表明:论文算法平均定位误差3.22 cm,定位误差小于6 cm,概率达到90%,相较SSA-Elman算法定位精度提高7.5%;相较Elman网络算法定位精度提高16%。
-
-
梁燕华;
梁云超;
成燕峰;
李凌烜
-
-
摘要:
对于冲击地压数据的不准确性,采用多传感器信息融合方法来精度处理采集到的实验数据。应用法国ROCK600-50三轴实验设备,获取需要处理的应力数据。对应力数据先后采用加权平均法与Elman神经网络进行融合比较,确定方法可行性,进而分析此方法的融合结果和融合误差范围。重复7组仿真实验对比,最后得出岩石形变到破裂三个区间的融合误差率范围分别为0.2、0.05和0.1。使用该方法融合应力数据,误差率较小,为冲击地压数据融合奠定一定基础。
-
-
王新宇;
耿海
-
-
摘要:
文章采用Elman神经网络模型和灰色系统模型,利用《中国旅游统计年鉴》公布的星级酒店就业数据,使用Python和Matlab编制相关计算程序,预测星级酒店岗位的需求量,并对两种模型进行了比较,此方法可以为旅游企业提供参考。
-
-
Yiwen Wang;
王倚文;
Chengdong Xu;
许承东;
Fei Niu;
牛飞;
Yaqi Peng;
彭雅奇
- 《第十届中国卫星导航学术年会》
| 2019年
-
摘要:
在北斗卫星导航数据处理实践中发现,卫星钟差呈现出一种不确定性的规律现象.为了更好的反映钟差特性提高预报精度,针对这种不确定性误差信息,建立了基于遗传-Elman神经网络算法的BDS星钟误差预测模型.首先利用遗传算法的全局寻优特性寻找较好的Elman神经网络的初始权值和阈值,同时根据广播星历解算出来的卫星位置、速度、钟差等数据,结合精密星历的钟差数据对神经网络进行训练和测试.仿真结果表明该模型对广播星历星钟误差具有较好的预测效果,将该模型对广播星历钟差进行补偿,与基本Elman神经网络预测模型对比精度得到了明显提高,对系统级误差研究具有重要参考价值.
-
-
Yiwen Wang;
王倚文;
Chengdong Xu;
许承东;
Fei Niu;
牛飞;
Yaqi Peng;
彭雅奇
- 《第十届中国卫星导航学术年会》
| 2019年
-
摘要:
在北斗卫星导航数据处理实践中发现,卫星钟差呈现出一种不确定性的规律现象.为了更好的反映钟差特性提高预报精度,针对这种不确定性误差信息,建立了基于遗传-Elman神经网络算法的BDS星钟误差预测模型.首先利用遗传算法的全局寻优特性寻找较好的Elman神经网络的初始权值和阈值,同时根据广播星历解算出来的卫星位置、速度、钟差等数据,结合精密星历的钟差数据对神经网络进行训练和测试.仿真结果表明该模型对广播星历星钟误差具有较好的预测效果,将该模型对广播星历钟差进行补偿,与基本Elman神经网络预测模型对比精度得到了明显提高,对系统级误差研究具有重要参考价值.
-
-
Yiwen Wang;
王倚文;
Chengdong Xu;
许承东;
Fei Niu;
牛飞;
Yaqi Peng;
彭雅奇
- 《第十届中国卫星导航学术年会》
| 2019年
-
摘要:
在北斗卫星导航数据处理实践中发现,卫星钟差呈现出一种不确定性的规律现象.为了更好的反映钟差特性提高预报精度,针对这种不确定性误差信息,建立了基于遗传-Elman神经网络算法的BDS星钟误差预测模型.首先利用遗传算法的全局寻优特性寻找较好的Elman神经网络的初始权值和阈值,同时根据广播星历解算出来的卫星位置、速度、钟差等数据,结合精密星历的钟差数据对神经网络进行训练和测试.仿真结果表明该模型对广播星历星钟误差具有较好的预测效果,将该模型对广播星历钟差进行补偿,与基本Elman神经网络预测模型对比精度得到了明显提高,对系统级误差研究具有重要参考价值.
-
-
Yiwen Wang;
王倚文;
Chengdong Xu;
许承东;
Fei Niu;
牛飞;
Yaqi Peng;
彭雅奇
- 《第十届中国卫星导航学术年会》
| 2019年
-
摘要:
在北斗卫星导航数据处理实践中发现,卫星钟差呈现出一种不确定性的规律现象.为了更好的反映钟差特性提高预报精度,针对这种不确定性误差信息,建立了基于遗传-Elman神经网络算法的BDS星钟误差预测模型.首先利用遗传算法的全局寻优特性寻找较好的Elman神经网络的初始权值和阈值,同时根据广播星历解算出来的卫星位置、速度、钟差等数据,结合精密星历的钟差数据对神经网络进行训练和测试.仿真结果表明该模型对广播星历星钟误差具有较好的预测效果,将该模型对广播星历钟差进行补偿,与基本Elman神经网络预测模型对比精度得到了明显提高,对系统级误差研究具有重要参考价值.
-
-
-
-
-
-