GRNN神经网络

摘要： 目的对Ni-ZrO_(2)纳米镀层的耐腐蚀性能进行预测,优化电镀工艺参数。方法采用磁力搅拌辅助电沉积法,在钴镍基模型合金试样表面制备Ni-ZrO_(2)纳米镀层,针对电镀工艺条件,设置正交实验,对每组实验镀层进行电化学测试,分析不同工艺条件下镀层的耐蚀性能。将ZrO_(2)粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层,将自腐蚀电流密度作为输出层,运用GRNN神经网络和BP神经网络模型,对Ni-ZrO_(2)纳米镀层进行耐腐蚀性能的预测研究。结果当ZrO_(2)粒子质量浓度为6 g/L、电镀液温度为60°C、电镀电流密度为5 A/dm2时,Ni-ZrO_(2)纳米镀层的性能良好,表现出较小的自腐蚀电流密度。影响Ni-ZrO_(2)镀层自腐蚀电流密度的因素满足ZrO_(2)粒子浓度>电镀液温度>电镀电流密度。运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30%与10.74%。结论运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能,从而优化工艺参数,提高实验效率。在训练样本较少的情况下,GRNN神经网络的预测性能更加精确。

摘要： 采用大数据分析方法,考虑影响瓦斯灾害的煤层埋深、地质结构状况、煤层倾角变动、瓦斯浓度以及开采前的卸压等主要因素,对样本定性描述进行量化,形成网络学习样本和网络预测样本,从而建立瓦斯数据库。以某矿实例数据进行分析可知,采用大数据GRNN神经网络预测方法预测瓦斯灾害是可靠的。

摘要： 提出一种改进的樽海鞘算法,对GRNN神经网络进行优化.首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力.将改进的樽海鞘算法应用到GRNN神经网络平滑因子参数的优化,缩短了训练时间,提高了预测精度.利用ASSA-GRNN与PSO-BP模型分别进行施肥量预测,ASSA-GRNN模型的施氮量预测结果绝对误差平均值、绝对误差方差和相对误差平均值分别为0.0342、0.0044和0.67％,比PSO-BP模型预测误差有所下降.最后,施肥量预测结果通过数据可视化技术展示给用户,且可以通过开关控制器打开电磁阀.

摘要： 往复泵作为石油石化行业重要的输送设备,通过振动监测手段来保证系统的安全稳定运行具有重要的现实意义.如何对往复泵的非平稳和非线性信号提取特征并进行准确识别是诊断中的关键问题.针对往复泵故障特征的提取,提出了一种利用ICEEMDAN-GRNN神经网络相结合的诊断方法.首先利用ICEEMDAN对采集的原始信号进行分解得到若干个IMF分量,然后计算IMF分量的奇异谱熵并构造特征向量,再将特征向量输入到GRNN神经网络进行训练和模式识别.研究表明:该方法可以有效提取往复泵的故障特征并进行准确的模式识别.

摘要： 短时强降水天气对飞行安全影响极大,为提高航空安全系数,有必要对其进行准确的预测.考虑现阶段研究对短时强降水预测精度的不足,选取影响降水量的多种参数并对其进行重新组合.实验根据3个降雨的形成条件通过格点化处理选取6种影响降水量的参数,对影响降水量的参数进行多种组合,依据划分降水量等级,通过概率神经网络(PNN)与广义回归神经网络(GRNN)对短时强降水进行预测.结果显示选择6项物理量参数建立的PNN神经网络模型对未来24 h降水量预测精度最高.

摘要： 通过实验得到相关钢种的化学成份和淬透性的数据,再以钢的化学成分作为神经网络的输入、淬透性值作为神经网络的输出,建立关于钢淬透性的GRNN神经网络预测模型.经检验建立出来的神经网络线性回归的相关系数为0.992 8,相对平均误差为3.5％,显示出较高精度,对于钢淬透性预测有一定的实际意义.

摘要： 科创板的推行体现了我国对科技型企业发展的重视,为使企业获取更多的发展机会,准确评估科技型企业价值成为亟待解决的问题.通过对科技型企业价值影响因素的分析,构建科技型企业价值评估指标体系,基于GRNN神经网络建立科技型企业价值评估模型.选取60家创业板科技型企业相关指标数据为样本,借助MATLAB技术对GRNN神经网络模型进行训练与测试,结果表明建立的GRNN神经网络模型能够较为准确地评估科技型企业价值.

摘要： 用科学预测模型对乳房运动轨迹进行准确的预测,可以节约大量的计算和分析时间.分别建立BP和GRNN神经网络模型,将乳头点的运动坐标作为输入值,预测乳房其他4个部位的运送轨迹.结果表明,两种预测模型都可以较好地实现乳房运动轨迹的预测.BP神经网络可以预测出乳房4个测量点的运动轨迹,但要求样本量必须足够大,且网络参数不好确定,乳房轨迹预测时所需时间较长,效率低;GRNN神经网络克服了BP神经网络的缺点,预测值更接近真实值,4个测量点预测值分别比BP神经网络高出5.95％,5.33％,6.37％,6.97％,可以较好地预测乳房运动轨迹,其预测值分别达到了真实均值的94.68％,93.87％,93.76％,94.79％.

摘要： 为寻求北方冬季日光温室最低气温长序列预报方法,以BP、RBF、GRNN神经网络与多元曲线拟合为基础,对日光温室最低气温进行预报.结果表明:神经网络模型具有较好的通用性,在确定网络参数后,对不同棚型进行训练泛化后均可获得较稳定的预报结果;而以多元拟合曲线对不同棚型进行拟合时其曲线方程较难统一,通用性差.经验证:GRNN神经网络的稳定性略优于BP及RBF神经网络,且建模参数较少,数据训练简单,建议在日光温室低温预报中使用.

摘要： 为寻求北方冬季日光温室最低气温长序列预报方法,以BP、RBF、GRNN神经网络与多元曲线拟合为基础,对日光温室最低气温进行预报.结果表明:神经网络模型具有较好的通用性,在确定网络参数后,对不同棚型进行训练泛化后均可获得较稳定的预报结果;而以多元拟合曲线对不同棚型进行拟合时其曲线方程较难统一,通用性差.经验证:GRNN神经网络的稳定性略优于BP及RBF神经网络,且建模参数较少,数据训练简单,建议在日光温室低温预报中使用.

摘要： 为寻求北方冬季日光温室最低气温长序列预报方法,以BP、RBF、GRNN神经网络与多元曲线拟合为基础,对日光温室最低气温进行预报.结果表明:神经网络模型具有较好的通用性,在确定网络参数后,对不同棚型进行训练泛化后均可获得较稳定的预报结果;而以多元拟合曲线对不同棚型进行拟合时其曲线方程较难统一,通用性差.经验证:GRNN神经网络的稳定性略优于BP及RBF神经网络,且建模参数较少,数据训练简单,建议在日光温室低温预报中使用.

摘要： 为寻求北方冬季日光温室最低气温长序列预报方法,以BP、RBF、GRNN神经网络与多元曲线拟合为基础,对日光温室最低气温进行预报.结果表明:神经网络模型具有较好的通用性,在确定网络参数后,对不同棚型进行训练泛化后均可获得较稳定的预报结果;而以多元拟合曲线对不同棚型进行拟合时其曲线方程较难统一,通用性差.经验证:GRNN神经网络的稳定性略优于BP及RBF神经网络,且建模参数较少,数据训练简单,建议在日光温室低温预报中使用.

摘要： 为寻求北方冬季日光温室最低气温长序列预报方法,以BP、RBF、GRNN神经网络与多元曲线拟合为基础,对日光温室最低气温进行预报.结果表明:神经网络模型具有较好的通用性,在确定网络参数后,对不同棚型进行训练泛化后均可获得较稳定的预报结果;而以多元拟合曲线对不同棚型进行拟合时其曲线方程较难统一,通用性差.经验证:GRNN神经网络的稳定性略优于BP及RBF神经网络,且建模参数较少,数据训练简单,建议在日光温室低温预报中使用.

摘要： 本发明公开了一种基于GRNN神经网络的草莓温室环境参数智能监测系统，其特征在于：所述监测系统由基于CAN总线的草莓温室环境参数采集平台和温室草莓产量智能预测系统两部分组成，基于CAN总线的草莓温室环境参数采集平台实现对草莓温室环境因子参数进行检测、调节和监控，温室草莓产量智能预测系统包括温室草莓产量预测子系统、草莓温室温度预测子系统、草莓温室水分预测子系统和温室草莓产量环境参数校正模型；本发明有效解决了现有草莓温室环境没有根据草莓温室参数变化的非线性、大滞后和动态变化复杂等特点，对草莓温室产量进行预测，从而极大的影响草莓温室生产的有效管理。

摘要： 本发明公开了一种基于GRNN神经网络的新型地沟油检测方法及其检测系统，包括数据采集器、单片机控制器和上位机，所述单片机控制器通过接收数据采集器采集到的信息并将其打包处理发送给上位机，所述上位机基于GRNN神经网络对获得的信息进行分析判别，得出此未知油样是正常食用油还是有害的地沟油；所述GRNN神经网络为由样本集训练完成并通过测试集进行调整的GRNN神经网络，所述样本集和测试集包括已知各参数的正常油样和地沟油油样。

摘要： 本发明公开了一种基于平衡算法优化GRNN神经网络预测泡沫铜吸声系数的方法及系统，包括如下过程：利用平衡优化算法计算GRNN神经网络中的最优光滑因子；利用最优光滑因子创建GRNN神经网络，利用泡沫铜吸声系数数据对创建的GRNN神经网络进行训练，得到最终的GRNN神经网络；利用最终的GRNN神经网络对泡沫铜的吸声系数进行预测。采用本发明的方法来预测泡沫铜吸声系数值误差较小，最大的平均相对误差为1.723％，最小的仅为0.181％。结果表明本发明所建立的平衡优化算法优化GRNN神经网络是有效可靠的。

摘要： 本发明公开了基于PSO‑GRNN神经网络的无创连续血压测量系统，包括：脉搏信号采集模块；血压采集模块；服务端模块，用于接收采集到的脉搏波信号，基于离散小波变换进行消噪处理，获取脉搏波特征点，基于脉搏波特征点计算得出特征参数，将特征参数作为训练集的输入矩阵，将与脉搏信号对应的血压信号作为训练集的输出值，基于PSO‑GRNN神经网络的进行模型训练，得到训练好的血压预测模型，并基于训练好的血压预测模型，通过特征参数，获得血压预测值；终端模块，与服务端模块连接，用于显示消噪处理后的脉搏波信号以及血压预测值。本发明基于PSO‑GRNN神经网络对脉搏波特征参数进行动态建模，提高了连续血压的测量精确度。

摘要： 本发明公开了一种基于GRNN神经网络的新型地沟油检测方法及其检测系统，包括数据采集器、单片机控制器和上位机，所述单片机控制器通过接收数据采集器采集到的信息并将其打包处理发送给上位机，所述上位机基于GRNN神经网络对获得的信息进行分析判别，得出此未知油样是正常食用油还是有害的地沟油；所述GRNN神经网络为由样本集训练完成并通过测试集进行调整的GRNN神经网络，所述样本集和测试集包括已知各参数的正常油样和地沟油油样。

摘要： 本发明公开了一种基于GRNN神经网络的草莓温室环境参数智能监测系统，其特征在于：所述监测系统由基于CAN总线的草莓温室环境参数采集平台和温室草莓产量智能预测系统两部分组成，基于CAN总线的草莓温室环境参数采集平台实现对草莓温室环境因子参数进行检测、调节和监控，温室草莓产量智能预测系统包括温室草莓产量预测子系统、草莓温室温度预测子系统、草莓温室水分预测子系统和温室草莓产量环境参数校正模型；本发明有效解决了现有草莓温室环境没有根据草莓温室参数变化的非线性、大滞后和动态变化复杂等特点，对草莓温室产量进行预测，从而极大的影响草莓温室生产的有效管理。

摘要： 本发明公开了一种基于GRNN神经网络的无线电作弊信号定位系统，包括：无线电信号监测网，包括位于监测区域四周的若干USRP监测点，用于在监测无线电信号时，将监测区域进行网格化划分，在不同时间段连续采集每一个网格的电磁信号强度值，并通过并行的正交I、Q两路信号上传至数据处理中心；数据处理中心，与频谱信号监测网连接，用于将接收的电磁信号强度值进行变换后得到功率值，再根据功率值进行GRNN神经网络处理，定位无线电信号的位置；智能终端，用于将定位的位置进行实时显示和告警。本发明可以实现准确的作弊信号定位。

摘要： 本发明提供的一种基于GRNN神经网络的注塑工艺优化方法，包括以下步骤：建立注塑产品的CAE分析模型；利用CAE软件对所述CAE分析模型的注塑工艺参数进行仿真，确定影响所述注塑产品产生注塑缺陷的注塑工艺参数种类；将所述注塑工艺参数种类转化为控制参数种类；基于所述控制参数种类，利用GRNN神经网络进行网络训练，获取最终优化控制参数。上述基于GRNN神经网络的注塑工艺优化方法，利用GRNN神经网络进行网络训练，相比于其他神经网络，尤其是相比于BP神经网络，调用的参数少，网络训练速度较快，收敛性提高，能够提高注塑工艺参数优化的准确性。

摘要： 基于GRNN神经网络的光伏发电预测方法，涉及一种基于广义回归(GRNN)神经网络光伏发电预测方法。所述方法首先考虑节气、天气、日照的因素，建立光伏曲线模式，提出基于广义回归神经网络光伏发电预测模型，并进行求解算法设计。本发明具有以下优点：GRNN网络的训练过程中不需要误差反向计算来修正权值，而只需要改变平滑参数σ来调节传递函数，减少了训练时间，加快网络学习速度；GRNN神经网络预测模型非线性映射能力强，逼近性能好，具有较强鲁棒性，适用于处理不稳定数据；GRNN神经网络的光伏发电预测技术，明显提高了预测精度；预测结果可为电网光电调度提供决策信息，对保证电网安全运行具有重要意义。

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。