期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
工程岩爆灾害判别的RBF-AR耦合模型 被引量：20
1
作者 王羽 许强 +3 位作者 柴贺军 刘丽 夏毓超 王晓东 《吉林大学学报（地球科学版）》 EI CAS CSCD 北大核心 2013年第6期1943-1949,1965,共8页
岩爆是深部高地应力区地下岩体工程中的主要工程地质灾害之一,其发生及烈度预测是一个复杂的不确定系统问题。为了有效预测和判别深部工程岩爆灾害,在总体考虑岩爆各影响因素的基础上,选取地下工程中岩体完整性指数、岩石单轴抗压强度... 岩爆是深部高地应力区地下岩体工程中的主要工程地质灾害之一,其发生及烈度预测是一个复杂的不确定系统问题。为了有效预测和判别深部工程岩爆灾害,在总体考虑岩爆各影响因素的基础上,选取地下工程中岩体完整性指数、岩石单轴抗压强度、岩石单轴抗拉强度、围岩最大切向应力、围岩抗压强度与其抗拉强度的比值、围岩切向应力与围岩抗压强度比值、弹性能量指数、岩爆倾向性指数作为岩爆预测的评判指标,提出了一种基于非线性参数优化的RBF-AR岩爆预测模型。在终南山隧道竖井岩爆判别中,利用RBF-AR法进行计算,计算结果与实际情况完全一致,表明该模型在岩爆预测中的可行性和有效性。 展开更多
关键词 隧道 岩爆 通风竖井 rbf—ar模型 围岩
下载PDF
RBF-AR模型在非线性时间序列预测中的应用 被引量：8
2
作者 甘敏 彭辉 陈晓红 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2010年第6期1055-1061,共7页
研究了RBF-AR模型在非线性时间序列中的建模和预测问题,并把它与其它一些新近提出的模型或方法加以了比较.一种结构化非线性参数优化方法用来辨识此模型.数值实验和比较研究表明采用结构化非线性参数优化方法的RBF-AR模型在预测精度上... 研究了RBF-AR模型在非线性时间序列中的建模和预测问题,并把它与其它一些新近提出的模型或方法加以了比较.一种结构化非线性参数优化方法用来辨识此模型.数值实验和比较研究表明采用结构化非线性参数优化方法的RBF-AR模型在预测精度上要大大优于其它一些模型或方法. 展开更多
关键词 rbf网络 rbf-ar模型 时间序列预测
原文传递
Parameter Estimation of RBF-AR Model Based on the EM-EKF Algorithm 被引量：6
3
作者 Yanhui Xi Hui Peng Hong Mo 《自动化学报》 EI CSCD 北大核心 2017年第9期1636-1643,共8页
下载PDF
基于带回归权重RBF-AR模型的混沌时间序列预测 被引量：5
4
作者 甘敏 彭辉 《系统工程与电子技术》 EI CSCD 北大核心 2010年第4期820-824,共5页
提出了用带回归权重的径向基函数(radial basis function,RBF)网络来逼近状态相依自回归(autogressive,AR)模型中的函数系数,得到了带回归权重的RBF-AR模型。在这种模型中,RBF神经网络的输出权重已不是单一的常量,而是输入变量的线性回... 提出了用带回归权重的径向基函数(radial basis function,RBF)网络来逼近状态相依自回归(autogressive,AR)模型中的函数系数,得到了带回归权重的RBF-AR模型。在这种模型中,RBF神经网络的输出权重已不是单一的常量,而是输入变量的线性回归函数。一种快速收敛的结构化非线性参数优化方法被用来估计提出的模型,辨识出的模型用来预测两组著名的混沌时间序列:Mackey-Glass时间序列和Lorenz吸引子时间序列。实验结果表明,提出的模型在预测精度上要优于其他一些现存的模型。 展开更多
关键词 非线性系统建模 rbf-ar模型 回归 权重 参数优化 混沌时间序列
下载PDF
RBF-AR模型在三峡水电站上网日电量预测中的应用 被引量：1
5
作者 徐文权 胡慧 +1 位作者 卓张华 杨伟 《河海大学学报（自然科学版）》 CAS CSCD 北大核心 2018年第3期275-282,共8页
针对水电站上网日电量数据的非线性特征,采用状态相依自回归(state-dependent autoregressive,SD-AR)模型对数据进行描述。用高斯径向基函数(radial basis function,RBF)神经网络来逼近SD-AR模型的函数型系数,采用一种结构化非线性参数... 针对水电站上网日电量数据的非线性特征,采用状态相依自回归(state-dependent autoregressive,SD-AR)模型对数据进行描述。用高斯径向基函数(radial basis function,RBF)神经网络来逼近SD-AR模型的函数型系数,采用一种结构化非线性参数优化方法 (structured nonlinear parameter optimization method,SNPOM)来离线辨识RBF-AR模型系数,并利用此模型对数据进行预测。通过对三峡左岸和右岸水电站上网日电量真实数据进行训练和测试,并与其他经典算法进行比较,验证了RBF-AR模型在不确定条件下的预测准确性和可行性。 展开更多
关键词 状态相依模型 上网电量预测 非线性系统 rbf-ar模型 参数优化
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部