Elman网络

摘要： 针对现有负荷预测系统耗时长且精度较差等问题,文中设计了一种基于BFA-Elman的电力负荷可靠性的预测系统。利用细菌觅食算法(BFA)优化Elman网络模型的结构参数获得最佳的权值和阈值,同时避免Elman网络陷入局部最优。通过结合BFA和Elman网络构建BFA-Elman电力负荷预测模型,以实现可靠的预测。利用历史电力负荷对所提系统进行实验论证。结果表明,计算量对所提系统的性能影响较小,预测耗时不超过20 s且预测误差均值为0.41%,低于对比方法,从而能够有效提高发电设备的利用率与调度的经济性。

摘要： 针对现有网络安全态势预测精度不高,对初始训练数据依赖较强的问题,结合Elman网络基本原理,从网络激活函数、网络结构、网络参数三方面进行改进,建立基于改进Elman网络的网络安全态势预测模型。仿真结果表明,该研究算法在平均相对误差和均方根误差指标上表现良好,具有更好的预测效果。

摘要： 风力发电的随机性和波动性是制约风电并网的根本原因,准确的短期风电功率预测可以协助电网协调部门实时调整合理准确的调度计划、配置备用电量,这样,电网公司就可以最大限度地节约运行的成本.其中,最为重要的就是如何提高风电功率预测的精度,为此,该文提出一种基于GA_Elman的风电功率短期预测方法.该方法就是利用了GA算法对Elman网络的权值和阈值进行优化,使得Elman网络的预测结果达到全局最优.带入实验数据后,最后可以得出该方法可以使得预测精度进一步提升.

摘要： 目的 克服现场温度测试难以短时间内获得高温极值的缺陷,准确制定导弹导引头舱机场停放高温环境条件,提出一种导引头舱内高温预计的方法 .方法在导引头舱内温度测试数据基础上,建立基于Elman网络的导引头舱温度预计模型,并与BP网络预计模型、线性网络预计模型进行对比,通过均方误差(MSE)、拟合相对误差(MRE)和最大绝对误差(MAE)等指标评估3种模型的预计能力.结果 基于Elman网络的温度预计模型精度比BP网络高出约1°C,比线性网络高出约1.5°C.结论 Elman网络温度预计模型具备准确预计导引头舱内温度的能力,该方法可用于导弹停放温度预计工作,为确定导弹贮存温度环境适应性要求提供参考.

摘要： 分别选取NARX神经网络和Elman网络作为建模工具,利用重型燃气轮机现场运行数据,对启动过程进行动态工况建模,实现主要运行参数的预测.通过对训练误差函数中的输出参数高数值样本点赋予更高权重值,获得了对高数值区域预测精度更高的网络个体.对于多组样本序列数据的训练问题,提出样本序列拼接、拼接点权重值置零的训练方式.比较Elman网络和NARX神经网络在不同测试条件下的预测表现,结果显示了Elman应用的局限性.研究成果可为神经网络在燃气轮机建模中的应用提供参考.

摘要： 运用神经网络技术,建立基于主成分分析的长短期记忆神经网络(PCA-LSTM)模型并对股票开盘价格进行预测。实验采用五粮液(000858)股票,首先,利用主成分法对该股票的多个指标进行特征提取,然后利用提取的主成分建立LSTM神经网络模型,并与PCA-Elman、LSTM模型对比,结果发现PCA-LSTM模型的预测结果更好一些。

摘要： 根据交通流量具有周相似的特性,利用实地调查获取的交通流量数据,选取每周周一到周五的数据,构造时间序列.本文分别用BP神经网络、Elman神经网络,RBF神经网络对短时交通流量进行预测,并通过不同的评价指标对上述3种方法的预测效果进行评价.实例分析表明,对于这种时间序列的预测,Elman网络预测效果优于其他2种方法,更适合于短时的交通流预测.

摘要： 根据交通流量具有周相似的特性,利用实地调查获取的交通流量数据,选取每周周一到周五的数据,构造时间序列.本文分别用BP神经网络、Elman神经网络,RBF神经网络对短时交通流量进行预测,并通过不同的评价指标对上述3种方法的预测效果进行评价.实例分析表明,对于这种时间序列的预测,Elman网络预测效果优于其他2种方法,更适合于短时的交通流预测.

摘要： 根据交通流量具有周相似的特性,利用实地调查获取的交通流量数据,选取每周周一到周五的数据,构造时间序列.本文分别用BP神经网络、Elman神经网络,RBF神经网络对短时交通流量进行预测,并通过不同的评价指标对上述3种方法的预测效果进行评价.实例分析表明,对于这种时间序列的预测,Elman网络预测效果优于其他2种方法,更适合于短时的交通流预测.

摘要： 根据交通流量具有周相似的特性,利用实地调查获取的交通流量数据,选取每周周一到周五的数据,构造时间序列.本文分别用BP神经网络、Elman神经网络,RBF神经网络对短时交通流量进行预测,并通过不同的评价指标对上述3种方法的预测效果进行评价.实例分析表明,对于这种时间序列的预测,Elman网络预测效果优于其他2种方法,更适合于短时的交通流预测.

摘要： 根据交通流量具有周相似的特性,利用实地调查获取的交通流量数据,选取每周周一到周五的数据,构造时间序列.本文分别用BP神经网络、Elman神经网络,RBF神经网络对短时交通流量进行预测,并通过不同的评价指标对上述3种方法的预测效果进行评价.实例分析表明,对于这种时间序列的预测,Elman网络预测效果优于其他2种方法,更适合于短时的交通流预测.

摘要： 针对煤与瓦斯突出机理的非线性,提出基于Eman网络的煤与瓦斯突出预测方法。首先分析Elman网络的结构和学习算法,然后根据影响煤与瓦斯突出的五个重要因素建立预测模型,最后训练和检验数据样本。预测结果和实际值吻合程度高,可靠性强，与BP网络相比较,Elman网络具有更高的学习速率,避免陷入局部极小值,为安全预测提供了一种有效的新思路。

摘要： 针对煤与瓦斯突出机理的非线性,提出基于Eman网络的煤与瓦斯突出预测方法。首先分析Elman网络的结构和学习算法,然后根据影响煤与瓦斯突出的五个重要因素建立预测模型,最后训练和检验数据样本。预测结果和实际值吻合程度高,可靠性强，与BP网络相比较,Elman网络具有更高的学习速率,避免陷入局部极小值,为安全预测提供了一种有效的新思路。

摘要： 针对煤与瓦斯突出机理的非线性,提出基于Eman网络的煤与瓦斯突出预测方法。首先分析Elman网络的结构和学习算法,然后根据影响煤与瓦斯突出的五个重要因素建立预测模型,最后训练和检验数据样本。预测结果和实际值吻合程度高,可靠性强，与BP网络相比较,Elman网络具有更高的学习速率,避免陷入局部极小值,为安全预测提供了一种有效的新思路。

摘要： 针对煤与瓦斯突出机理的非线性,提出基于Eman网络的煤与瓦斯突出预测方法。首先分析Elman网络的结构和学习算法,然后根据影响煤与瓦斯突出的五个重要因素建立预测模型,最后训练和检验数据样本。预测结果和实际值吻合程度高,可靠性强，与BP网络相比较,Elman网络具有更高的学习速率,避免陷入局部极小值,为安全预测提供了一种有效的新思路。

摘要： 提出一种组合神经网络的网络流量预测模型。首先采用SMOF网络对网络流量数据进行聚类,然后采用Elman网络对聚类后的流量数据进行训练并预测,同时采用遗传算法对Elman网络的网络结构进行优化,提高网络流量预测精度。仿真结果表明,组合神经网络加快了网络流量预测速度,提高了网络流量预测精度,克服了单一预测模型不足,为网络流量预测提供了新的思路,具有很好的应用前景。

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： 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。

摘要： 本发明公开了一种基于改进OLF‑Elman神经网络的最优路径预测方法，是应用于用户终端和后台所形成的系统中，并包括：1、后台收集真实场景下的当前城市的历史车流数据并作为原始数据；2、构建改进OLF‑Elman神经网络并使用原始数据对其进行训练；3、训练直至误差小于某一给定范围或者达到最大迭代次数则停止训练，完成构建改进OLF‑Elman神经网络；4、后台根据用户终端发送的信息进行分析处理，通过改进OLF‑Elman神经网络预测得到输出结果并发送给用户终端；5、用户根据用户终端上的输出结果选择合适的路径完成行驶。本发明能通过改进OLF‑Elman神经网络来实现最优路径预测，并能提高预测精度。

摘要： 本发明公开了一种基于Elman神经网络的客流量预测方法、系统和存储介质，所述客流量预测方法，包括如下步骤：S1、获取一段时间内每天路口的客流量数据，然后对客流量数据进行聚类分析，接着对聚类分析后的数据进行均一化处理，得到样本数据；S2、构建Elman神经网络，以天气情况和当天是否为节假日作为Elman神经网络的输入，以步骤S1中得到的样本数据作为Elman神经网络的训练数据，进行Elman神经网络的训练，得到交通客流量预测模型；S3、根据步骤S2中得到的交通客流量预测模型的结果对交通客流量进行预测。本发明整个预测方法简单、结果可靠，预测精度高，有望进行大规模的推广与应用。