Elman神经网络

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.

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。

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。

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。

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。

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。

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。

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%。

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。

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。

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.

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.

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.

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.

摘要： Elman神经网络在水利工程高边坡稳定性预测分析方面有较强的适用性,有助于工程勘探、设计、施工建设和管理等的顺利进行.本文基于灰色理论对Elman神经网络进行优化,建立GM-Elman神经网络高边坡变形稳定预测模型,综合考虑孔隙水压比、土体容重、内摩擦角、粘聚力、高度和坡角等因素计算边坡稳定系数,通过工程实例对模型进行验证.结果表明,改进后的GM-Elman模型预测准确度更高、误差更小,对高边坡实际施工具有一定的指导意义.

摘要： Elman神经网络在水利工程高边坡稳定性预测分析方面有较强的适用性,有助于工程勘探、设计、施工建设和管理等的顺利进行.本文基于灰色理论对Elman神经网络进行优化,建立GM-Elman神经网络高边坡变形稳定预测模型,综合考虑孔隙水压比、土体容重、内摩擦角、粘聚力、高度和坡角等因素计算边坡稳定系数,通过工程实例对模型进行验证.结果表明,改进后的GM-Elman模型预测准确度更高、误差更小,对高边坡实际施工具有一定的指导意义.

摘要： Elman神经网络在水利工程高边坡稳定性预测分析方面有较强的适用性,有助于工程勘探、设计、施工建设和管理等的顺利进行.本文基于灰色理论对Elman神经网络进行优化,建立GM-Elman神经网络高边坡变形稳定预测模型,综合考虑孔隙水压比、土体容重、内摩擦角、粘聚力、高度和坡角等因素计算边坡稳定系数,通过工程实例对模型进行验证.结果表明,改进后的GM-Elman模型预测准确度更高、误差更小,对高边坡实际施工具有一定的指导意义.

摘要： Elman神经网络在水利工程高边坡稳定性预测分析方面有较强的适用性,有助于工程勘探、设计、施工建设和管理等的顺利进行.本文基于灰色理论对Elman神经网络进行优化,建立GM-Elman神经网络高边坡变形稳定预测模型,综合考虑孔隙水压比、土体容重、内摩擦角、粘聚力、高度和坡角等因素计算边坡稳定系数,通过工程实例对模型进行验证.结果表明,改进后的GM-Elman模型预测准确度更高、误差更小,对高边坡实际施工具有一定的指导意义.

摘要： Elman神经网络在水利工程高边坡稳定性预测分析方面有较强的适用性,有助于工程勘探、设计、施工建设和管理等的顺利进行.本文基于灰色理论对Elman神经网络进行优化,建立GM-Elman神经网络高边坡变形稳定预测模型,综合考虑孔隙水压比、土体容重、内摩擦角、粘聚力、高度和坡角等因素计算边坡稳定系数,通过工程实例对模型进行验证.结果表明,改进后的GM-Elman模型预测准确度更高、误差更小,对高边坡实际施工具有一定的指导意义.

摘要： 基于实验法测定秸秆成型燃料热值存在工作量大,时效性差等不足,建立了Elman神经网络的热值预测模型.该模型在学习中确定了玉米秸秆的热值与其纤维素、半纤维素和木质素之间的非线性关系.模型利用纤维素、半纤维素和木质素的含量直接预测出玉米秸秆的热值,选择置信区间法检测模型的预测效果.结果表明:预测值与已有实验数据相比,误差的均值和极大值都较小,分别为1.77％和3.53％.在置信度为0.95时其置信区间长度是线性回归预测的50％,证明该模型具有较好的可靠性和泛化能力.

摘要： 本发明涉及一种运动预报的方法，具体涉及的是一种基于ARMA模型修正的改进灰色Elman神经网络气垫船运动预报方法。本发明将获得的气垫船运动数据进行加权滑动平均法预处理，建立改进的灰色GM(1,1)预测模型，将灰色预测模型的残差序列利用基于信息熵改进的Elman神经网络进行训练，反复训练得到预测误差序列与灰色预测值相加得到预测模型最终预测值；对于最终预测值采用ARMA模型修正误差，提高组合预测模型的预测精度；本发明采用加权滑动平均法对数据进行处理，减小原始数据的干扰影响，在传统Elman神经网络模型的基础上加入信息熵加权算法，排除每个输入数据对输出结果有相同影响。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 一种基于GSA‑Elman神经网络的电缆隧道告警系统及方法，包括采集层、数据处理层和应用层；采集层、数据处理层和应用层依次连接；采集层利用传感器将采集到的数据发送给数据处理层；数据处理层对实时监测到的数据进行险情预警；应用层查看监测装置发送过来的故障预警信息和采集的实时数据。本发明将GSA‑Elman智能算法嵌入到电缆隧道综合监测装置智能分析模块里面，通过及时告警和事故处理，实现了隧道区域自治和联动管理，本算法相比较于其它两种算法具有很快的收敛速度和较高的准确率，在使用该算法进行险情预警时，可以更快地获得结果。

摘要： 本发明公开了一种基于Elman神经网络的轨道预测算法，其特征在于，包括：将待预测的弹道导弹的轨道坐标输入Elman神经网络预测模型，输出预测的轨道坐标；构建Elman神经网络预测模型，包括：构建Elman神经网络模型；将获取的侦察数据代入Elman神经网络模型进行迭代训练直到符合条件，输出最终的Elman神经网络预测模型。基于侦察数据训练构建的Elman神经网络预测模型；基于迭代次数或者误差精度，完成Elman神经网络预测模型的构建，预测的弹道导弹的轨道坐标更加精确。

摘要： 本发明公开了基于Elman神经网络的热连轧出口板凸度动态预测方法，涉及轧制过程自动化生产技术领域。包括确定包括机架轧辊磨损量在内的热连轧出口板凸度影响因素，采集热连轧生产线中与热连轧出口板凸度相关的实测数据与过程自动化级计算数据；计算各机架的轧制公里数，将各机架的轧制公里数代替热连轧出口板凸度的影响因素中的各机架的轧辊磨损量；将实测数据及过程自动化级计算数据与各机架轧制公里数组合在一起构成数据集，从数据集中划分出部分数据作为训练数据集；利用训练数据集对Elman神经网络训练，获得热连轧出口板凸度的动态预测模型，利用该模型对热连轧出口板凸度进行动态预测，可精准地预测热连轧出口板凸度，对更精准的板形控制提供保障。

摘要： 本发明提出了一种基于Elman神经网络自适应PID厌氧发酵温度控制系统及方法，该系统主要包括烟气余热换热器、排渣余热换热器、乏汽余热换热器、加热循环换热器、温度监测器、恒温储水箱以及神经网络‑PID控制器，该控制方法包括如下步骤：预设厌氧发酵目标温度，获取当前时刻温度，根据当前温度与目标温度的差值，通过Elman神经网络自适应调整PID控制器的参数，然后利用PID算法控制换热器输出，从而实现厌氧发酵温度的自适应调整。本温度控制系统利用电厂余热维持厌氧发酵温度，具有显著的节能效益；控制方法采用神经网络自适应PID算法，克服了直燃发电和厌氧发酵系统存在的波动大和时变性对系统的干扰，保证温度控制精度和准确性，具有较好的鲁棒性。

摘要： 本发明属于光伏发电相关技术领域，提供了一种基于Elman神经网络和卫星云图的光伏功率预测方法及系统，包括：获取待预测用电系统的历史用电数据和卫星图像并进行预处理；搭建Elman动态递归神经网络模型，并输入预处理后的数据进行训练；将预处理后的数据输入训练好的Elman模型，输出预测结果；针对卫星云图的灰度值进行高精度提取，为Elman神经网络预测模型建模做准备；同时考虑历史运行数据和卫星云图灰度值的Elman的光伏功率预测模型及算法；测值与真实值的误差计算方式，得到模型误差评价，从而提高功率预测的精度。

摘要： 本发明涉及电机偏心故障诊断技术领域，尤其是一种基于Elman神经网络的永磁同步电机动态偏心故障诊断方法。该种基于Elman神经网络的永磁同步电机动态偏心故障诊断方法包括如下步骤：S1、建立永磁同步电机动态偏心故障的特征数据库；S2、基于Elman网络建立永磁同步电机动态偏心故障诊断模型；S3、采集待检测永磁同步电机的杂散磁场，并提取故障特征值；S4、将步骤S3的实验数据输入到步骤S2的模型中，诊断永磁同步电机的动态偏心故障。本发明能够准确地诊断出永磁同步电机动态偏心故障的有无以及存在动态偏心故障时的动态偏心率；非侵入式诊断方法，无需改装电机，不会对电机正常运行造成影响；通用性高。

摘要： 一种基于小波阈值法的Elman神经网络与卡尔曼融合滤波算法，解决GPS中断问题、增强传统的GPS/INS组合导航性能的方案。当GPS信号可用时，神经网络模块可利用GPS及经过小波阈值降噪后的惯导数据进行训练，分析惯导系统的速度、角速度及比力信息与GPS位置增量的关系。当GPS信号中断时，受过训练的神经网络模块可利用先前训练好的误差模型和惯导实时数据输出估计的GPS位置，并利用卡尔曼滤波算法对惯导的输出结果修正。