GRNN

摘要： 随着社会的不断发展进步以及社会各界对环境保护问题的高度重视,如何做到让冬季北方地区的集中供热系统经济环保运行成为了目前我国供热行业的首要目标。短期热负荷预测的研究恰恰可以提高供热系统控制精度,优化供热系统控制方案,实现系统的经济环保运行。由于热用户的室内温度受外界环境温度的影响因素较大,因此在结合天气因素再进行神经网络建模会使预测更加精准。提出一种基于改进果蝇算法优化的广义回归神经网络(FOA-GRNN)以及结合天气因素的短期热负荷预测方法,选取供热负荷值、实时天气温度和二次网供水温度和二次网回水温度等四类数据,构建HTS-FOA-GRNN供热负荷短期预测模型。研究表明,所构建的HTS-FOA-GRNN模型具有很好的预测能力和优化效果。

摘要： 针对现有的挤压铸造工艺参数研究方法效率低下、局限性较大的现状,利用已有挤压铸造工艺数据采用机器学习方法实现了对挤压铸造温度工艺参数的快速设计。首先基于K最近邻(K Nearest Neighbors,KNN)算法参考相近材料铸件的温度工艺参数,从材料成分层面对浇注温度和模具预热温度进行初始设计,然后结合铸型参数和广义回归神经网络(Generalized Regression Neural Network,GRNN)对设计误差较大的模具预热温度进行修正,建立了误差修正模型;基于数据和实例铸件进行应用,并结合Procast进行实例铸件仿真试验,验证了提出的温度工艺参数设计方法的有效性。

摘要： 采用阿克苏地区2006—2015年日蒸散量数据和气象数据,对几种不同的日蒸散量估算方法进行评估与修正。结果表明,修正后的彭曼公式在阿克苏地区的适用性、准确性有所提高,均方根误差值由11.78减小到8.80;BP神经网络比GRNN神经网络估算效果好,前者Nash-Sutcliffe系数为-0.09、RMSE值为3.27,后者Nash-Sutcliffe系数为-0.44、RMSE值为3.34。研究成果可为极端干旱区的棉花等作物节水种植提供参考。

摘要： 基于Landsat-8遥感影像,结合木兰溪流域同步的人工监测水质数据,对木兰溪流域的TP和TN两类水质参数进行反演。首先,通过分析波段和TP、TN的相关性选取反演特征波段组合,在此基础上构建了木兰溪流域TP和TN的线性回归模型并优选出最佳的反演模型;其次基于GRNN(General Regression Neural Network)构建了木兰溪流域TP和TN的反演模型并优选出最佳的反演模型;最后对两种反演模型进行了对比分析,结果表明GRNN反演模型的综合性能较好。

摘要： 为了减少超声波检测中人为造成的缺陷误判,实现焊缝缺陷的定量评价,采用16MnR焊接试件预制了表面裂纹、气孔和夹杂等三种人工缺陷,进行焊缝缺陷检测试验.利用超声相控阵对其进行了A扫,采用小波包变换的方式对信号进行三层分解处理,通过Matlab构造特征向量能量比例,并采用KPCA进行数据降维,选取了累积贡献率超过90％的前3个主元成分,结合GRNN实现不同缺陷类型的自动分类.研究结果表明,使用小波包-KPCA进行特征提取后,可以进一步去除噪声对焊缝缺陷检测的影响,降低计算时间,准确率可达93.3％,优于常规特征值分析.小波包-KPCA可作为超声信号提取的新手段,为今后的无损检测评价提供理论依据和重要参考.

摘要： 随着飞机的多电化和全电化,机上电气检测及其负荷管理至关重要,然而飞机上为诊断所设置的传感器数量要求越少越好,非侵入式负荷监测(NILM)方法无需分散进入负荷内部,仅检测汇流条级别电力参数可完成负荷识别.选择稳态电流谐波参数为负荷印记,采集某型飞机交流主汇流条上用电设备真实电流波形,提取1～19次谐波含量建立特征库,用广义回归神经网络(GRNN)算法辨识负荷类别,设置适当样本数和扩展速度以有效提高识别准确度.实验表明:GRNN算法较之BP神经网络算法和SVM算法识别准确度更高,计算速度更适于飞机电气系统负荷监测和管理.将非侵入式负荷监测方法引入飞机供电系统分析,将为飞机电气管理、故障诊断和预测等进一步研究提供有效参考.

摘要： 为了提高识别精度,提出一种基于GRNN与注意力机制模型的非侵入式家用负荷分解方法。采用批标准化来减少神经网络层与层之间的耦合,利用GRNN强大的时间序列特征表示能力,来提取电力负荷入口处测得的总用电信息与各电器能耗之间的关系,同时利用注意力机制来减少模型的权重参数。最后通过算例验证了算法的可行性与优越性。

摘要： 城际高铁客流量序列呈现出不平稳和波动性特征,常规预测方法很难对其进行精准预测.文章提出将EMD、GRNN和ARIAM模型相结合的城际高铁客流量预测模型(EGA).EGA模型充分利用三者的优势,提升城际高铁客流量预测精度.通过某城际高铁站日客流量数据检验EGA模型的有效性,结果表明,与GRNN相比,EGA模型获得了更高的城际高铁客流量预测精度.

摘要： 为了提高识别精度,提出一种基于GRNN与注意力机制模型的非侵入式家用负荷分解方法.采用批标准化来减少神经网络层与层之间的耦合,利用GRNN强大的时间序列特征表示能力,来提取电力负荷入口处测得的总用电信息与各电器能耗之间的关系,同时利用注意力机制来减少模型的权重参数.最后通过算例验证了算法的可行性与优越性.

摘要： 利用小波分析对原始数据进行预处理,建立了小波ARIMA-GRNN模型.对新疆2001年1月到2021年2月CPI采用ARIMA模型、小波ARIMA模型、小波分析ARIMA-GRNN模型3种模型进行拟合,对比分析结果表明:小波分析能够提高时间序列的预测精度;小波分析ARIMA-GRNN模型明显优于小波ARIMA模型;小波ARIMA模型优于ARIMA模型.

摘要： 网络态势预测作为网络态势感知的必要环节，能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持.在分析研究现状以及预测方法的基础上,讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势，提出了网络态势预测的广义回归神经网络模型GRNNSF，给出了GRNNSF模型的网络设计原则以及网络态势预测方法.基于真实数据集的实验验证了GRNNSF模型的准确性和时效性,和其他神经网络模型相比，更准确地预测了网络态势的发展趋势.

摘要： 网络态势预测作为网络态势感知的必要环节，能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持.在分析研究现状以及预测方法的基础上,讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势，提出了网络态势预测的广义回归神经网络模型GRNNSF，给出了GRNNSF模型的网络设计原则以及网络态势预测方法.基于真实数据集的实验验证了GRNNSF模型的准确性和时效性,和其他神经网络模型相比，更准确地预测了网络态势的发展趋势.

摘要： 网络态势预测作为网络态势感知的必要环节，能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持.在分析研究现状以及预测方法的基础上,讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势，提出了网络态势预测的广义回归神经网络模型GRNNSF，给出了GRNNSF模型的网络设计原则以及网络态势预测方法.基于真实数据集的实验验证了GRNNSF模型的准确性和时效性,和其他神经网络模型相比，更准确地预测了网络态势的发展趋势.

摘要： 网络态势预测作为网络态势感知的必要环节，能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持.在分析研究现状以及预测方法的基础上,讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势，提出了网络态势预测的广义回归神经网络模型GRNNSF，给出了GRNNSF模型的网络设计原则以及网络态势预测方法.基于真实数据集的实验验证了GRNNSF模型的准确性和时效性,和其他神经网络模型相比，更准确地预测了网络态势的发展趋势.

摘要： 网络态势预测作为网络态势感知的必要环节，能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持.在分析研究现状以及预测方法的基础上,讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势，提出了网络态势预测的广义回归神经网络模型GRNNSF，给出了GRNNSF模型的网络设计原则以及网络态势预测方法.基于真实数据集的实验验证了GRNNSF模型的准确性和时效性,和其他神经网络模型相比，更准确地预测了网络态势的发展趋势.

摘要： 探讨了小样本测验的IRT项目参数估计的新思路,通过设计广义回归神经网络模型,学习经典测验理论(CTT)估计到的项目统计量和项目反应理论(IRT)的项目参数间的隐含关系,将两种测验理论的优点很好地结合起来.计算机模拟实验表明,该方法具有一定的优点.

摘要： 探讨了小样本测验的IRT项目参数估计的新思路,通过设计广义回归神经网络模型,学习经典测验理论(CTT)估计到的项目统计量和项目反应理论(IRT)的项目参数间的隐含关系,将两种测验理论的优点很好地结合起来.计算机模拟实验表明,该方法具有一定的优点.

摘要： 探讨了小样本测验的IRT项目参数估计的新思路,通过设计广义回归神经网络模型,学习经典测验理论(CTT)估计到的项目统计量和项目反应理论(IRT)的项目参数间的隐含关系,将两种测验理论的优点很好地结合起来.计算机模拟实验表明,该方法具有一定的优点.

摘要： 探讨了小样本测验的IRT项目参数估计的新思路,通过设计广义回归神经网络模型,学习经典测验理论(CTT)估计到的项目统计量和项目反应理论(IRT)的项目参数间的隐含关系,将两种测验理论的优点很好地结合起来.计算机模拟实验表明,该方法具有一定的优点.

摘要： 探讨了小样本测验的IRT项目参数估计的新思路,通过设计广义回归神经网络模型,学习经典测验理论(CTT)估计到的项目统计量和项目反应理论(IRT)的项目参数间的隐含关系,将两种测验理论的优点很好地结合起来.计算机模拟实验表明,该方法具有一定的优点.

摘要： 本发明公开了一种基于改进型FB特征及GRNN网络的光纤周界防卫系统的信号识别方法，事先采集不同类型传感事件的若干输出信号；利用端点检测算法获取信号的有效信号片段；提取每个信号片段的改进型FB特征作为训练样本，将其信号类型作为对应的输出标签；通过训练样本对GRNN进行训练，生成最优模型；对待识别信号同样进行端点检测，获取其有效信号片段，提取信号片段的改进型FB特征，作为测试样本；利用所生成GRNN最优模型对测试样本进行识别。通过添加梅尔滤波器组下信号功率的有效值信息改进FB特征，来凸显不同类别信号的差异；利用GRNN网络识别信号，需调节的参数少，模型易于训练。本发明信号识别率高，实时性好，有望满足光纤周界防卫系统的实际需要。

摘要： 本发明提供的一种基于LASSO‑TSA‑GRNN网络的建筑热负荷预测方法及系统，包括以下步骤：预设GRNN网络预测模型；利用树种优化算法对预设的GRNN网络预测模型进行优化，得到最优的TSA‑GRNN网络预测模型；利用Lasso变量筛选待预测建筑的热负荷影响因素，并将筛选出的热负荷影响因素最为最优的TSA‑GRNN网络预测模型的输入变量，进而实现对待预测建筑的热负荷进行预测；本发明极大地提高了预测精度，建筑本体特征因素的引入使预测方法更加符合工程实际需求。

摘要： 基于TSO‑GRNN组合模型的玉米产量预测方法，涉及信息处理领域，解决现有技术无法获取环境信息与产量之间的相关性以及计算量大，容易陷入局部拟合，无法实现精确预测等问题，本发明在建模前进行了相关性分析，得到对玉米生长重要的环境因子种类，降低预测的繁琐程度。采用GRNN建立了玉米产量预测模型，并利用历史统计数据对玉米量进行预测。利用TSO对基于GRNN神经网络的玉米产量预测方法进行优化，调整参数到适中时，可有效避免陷入局部最小值，使预测点逐渐逼近真实值，提高预测精度，并可以在一定程度上降低过拟合问题。本发明结合当前环境信息对当年的玉米产值进行预测，对于未来农业人员进行土地开发、环境维护以及生长期内作物培养有重要帮助。

摘要： 本发明公开一种基于SFA‑GRNN串联模型的脱丁烷塔丁烷浓度软测量方法，本发明方法建立脱丁烷塔底部产品中丁烷浓度的软测量模型时，首先使用SFA算法将原输入变量对应的数据转换成具代表性的输入特征，在降维的同时也剔除了诸多噪声信息的干扰影响；其次，本发明方法将降维后的输入特征当成GRNN模型的输入，使得SFA与GRNN之间是串联连接关系，并在此基础上计算得到丁烷浓度的软测量值。在具体的实施案例中，通过实验结果的对比验证了本发明方法在软测量脱丁烷塔底部产品丁烷浓度时的有效性与准确性。

摘要： 本发明涉及一种基于GRNN‑PCA的有源台区线损合理区间计算方法，包括以下步骤：步骤1、提取有源台区影响因子；步骤2、根据选取的有源台区容量进行多级分类，每类有源台区均包括步骤1所述的有源台区影响因子；步骤3、训练GRNN网络，对步骤2中各级台区进行GRNN线损计算，得到GRNN训练结果；步骤4、用测试集对GRNN训练结果准确度进行评价，得到评价结果；步骤5、若步骤4得到的评价结果相对误差的评价指标，则结合GRNN计算出的线损变化区间进行线损合理区间选取，否则返回步骤4重新进行计算，重复步骤4和步骤5直至满足要求。本发明能够实现台区合理区间计算。

摘要： 本发明公开了一种基于GRNN模型的半导体器件温度分布预测方法，所述方法包括：基于目标半导体器件对应的参数，建立半导体器件模型；获取所述半导体器件模型在多个预设环境下的多个数据集；基于所述训练数据集对GRNN神经网络模型进行训练，以得到初始温度分布预测模型；基于所述测试数据集对所述初始温度分布预测模型进行验证，并根据验证结果对所述初始温度分布预测模型进行调整，以得到目标温度分布预测模型。本发明能够快速、高效、精准地得到目标温度分布预测模型，从而可以基于所述目标温度分布预测模型进行半导体器件的温度分布预测。

摘要： 本说明书实施例提供一种基于GRNN的多台冷水机组系统运行控制方法，属于空调冷水机技术领域，该方法包括获取多台冷水机组系统在多个历史时刻的运行特征集，基于负荷需求生成多台冷水机组系统在未来时刻的运行方案；对于每个运行方案，基于多台冷水机组系统在未来时刻的每台冷机的负载率及多台冷水机组系统在多个历史时刻的每台冷机的负载率，从多个历史时刻中确定相似历史时刻，通过内部效率预测模型基于相似历史时刻的运行特征集确定多台冷水机组系统的每台冷机在运行方案下的内部效率，基于内部效率确定多台冷水机组系统在运行方案下的系统能耗；基于每个运行方案对应的系统能耗，从多个运行方案中获取目标方案，具有提高多台冷水机组系统的效率，降低能耗的优点。

摘要： 本发明提供了一种基于改进麻雀算法优化GRNN的室内三维定位方法，包括：获取室内定位时实际测量到的RSSI值；对麻雀算法进行改进获得改进的麻雀算法，改进的麻雀算法将麻雀算法中的单种群平均划分成多种群进行搜索，每个子种群在各自搜索域内进行寻优，最终达到对整个搜索空间全面搜索；利用改进的麻雀算法优化GRNN神经网络的平滑因子σ，获得最优平滑因子值；将最优平滑因子值作为GRNN神经网络的参数，使用训练集样本数据训练GRNN神经网络，获得室内三维定位模型；将测试集样本中的RSSI值输入训练好的室内三维定位模型中，计算预测坐标值，预测出被测目标的真实三维位置，提高了模型的定位精度及寻优效率。

摘要： 本发明提供了一种基于DPC‑GRNN的超短期工业用电负荷预测方法，包括以下步骤：对待预测场所的工业用电负荷历史数据进行预处理形成工业用电负荷历史数据集，对工业用电负荷历史数据集中的异常值进行修正；对修正后的待预测场所的工业用电负荷历史数据集进行归一化处理；对归一化后的待预测场所的工业用电负荷历史数据集进行DPC聚类分析，得到对应的类簇；针对各个类簇分别构建GRNN模型；计算每个GRNN模型对应的SPREAD值，选取最优的SPREAD值对应的GRNN模型作为预测模型；将待预测场所当前实时的工业用电负荷数据集输入至预测模型，将预测模型的输出进行反归一化处理得到待预测场所的工业用电负荷预测数据集。本发明有效提供了超短期工业用电负荷的预测精度更高。

摘要： 本发明涉及基于GRNN的肿瘤基因点突变特征图谱提取与分类方法，包括以下步骤：S1、预处理：对基因样本数据进行预处理；S2、降维处理：采用主成分分析方法对预处理后的基因样本数据进行降维处理，得到基因样本数据的主成分分量；S3、分类模型训练和最优基因组合筛选：采用GRNN对主成分分量进行学习，训练网络权值，得到网络模型和最优基因组合；S4、采用步骤S3得到的网络模型对肿瘤样本基因进行分类，并采用留一检验法和独立检验法评估分类准确性。本发明利用GRNN对特征提取的基因进行分类，构建更具解释性的混合肿瘤基因分类模型，提高了基因表达谱数据的样本分类正确率，尤其是在分类样本较少,类别不平衡时具有明显的优势。