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361篇文章
< 1 2 … 19 >
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：
基于PCA-BP神经网络的煤与瓦斯突出预测研究 被引量：73
1
作者 朱志洁 张宏伟 +1 位作者 韩军 宋卫华 《中国安全科学学报》 CAS CSCD 北大核心 2013年第4期45-50,共6页
为提高煤与瓦斯突出预测的效率和准确率,将主成分分析(PCA)法与神经网络相结合,对煤与瓦斯突出进行预测。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的因素的相关数据。通过PCA法提取影响因素的主成分,选取贡... 为提高煤与瓦斯突出预测的效率和准确率,将主成分分析(PCA)法与神经网络相结合,对煤与瓦斯突出进行预测。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的因素的相关数据。通过PCA法提取影响因素的主成分,选取贡献率大于80%的3个主成分,代替原有的9个影响因素,将其作为反向传播(BP)神经网络的3个输入参数。将突出强度划分为4个等级,建立PCA-BP煤与瓦斯突出预测模型。选取典型的突出样本对PCA-BP神经网络进行训练,用检验样本检验训练好的网络,结果表明预测符合实际情况。 展开更多
关键词 煤与瓦斯突出 地质动力区划 主成分分析(PCA) 反向传播(BP)神经网络 仿真预测
下载PDF
基于EMD-PCA-LSTM的光伏功率预测模型 被引量：67
2
作者 张雲钦 程起泽 +3 位作者 蒋文杰 刘晓峰 沈亮 陈泽华 《太阳能学报》 EI CAS CSCD 北大核心 2021年第9期62-69,共8页
提高光伏发电功率预测精度,对于保证电力系统的安全调度和稳定运行具有重要意义。本文提出一种经验模态分解(EMD)、主成分分析(PCA)和长短期记忆神经网络(LSTM)相结合的光伏功率预测模型。充分考虑制约光伏输出功率的5种环境因素,首先利... 提高光伏发电功率预测精度,对于保证电力系统的安全调度和稳定运行具有重要意义。本文提出一种经验模态分解(EMD)、主成分分析(PCA)和长短期记忆神经网络(LSTM)相结合的光伏功率预测模型。充分考虑制约光伏输出功率的5种环境因素,首先利用EMD将环境因素序列进行分解,得到数据信号在不同时间尺度上的变化情况,降低环境因素序列的非平稳性;其次利用PCA提取特征序列的关键影响因子,消除原始序列的相关性和冗余性,降低模型输入的维度;最终利用LSTM网络对多变量特征序列进行动态时间建模,实现对光伏发电功率的预测。采用山西省某电站的8个月实测数据进行验证,实验结果表明,该预测模型较传统光伏功率预测方法有更高的精确度。 展开更多
关键词 光伏发电 主成分分析 长短期记忆神经网络 经验模态分解 光伏功率预测
下载PDF
基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型 被引量：58
3
作者 陈勇 李鹏 +2 位作者 张忠军 聂海福 沈鑫 《电力系统保护与控制》 EI CSCD 北大核心 2019年第10期110-119,共10页
针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数... 针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。 展开更多
关键词 输电线路 最小二乘支持向量机 覆冰预警 主成分分析 在线预测
下载PDF
基于主成分分析的BP神经网络在城市建成区面积预测中的应用——以北京市为例 被引量：33
4
作者 刘柯 《地理科学进展》 CSCD 北大核心 2007年第6期129-137,共9页
城市建成区规模受社会、经济、城市环境等诸多因素影响,传统统计方法难以准确预测城市建成区的面积。人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛的应用,尤其是BP神经网络。主成分分析可以在有效保留数据信... 城市建成区规模受社会、经济、城市环境等诸多因素影响,传统统计方法难以准确预测城市建成区的面积。人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛的应用,尤其是BP神经网络。主成分分析可以在有效保留数据信息前提下对数据进行降维,它与BP神经网络的结合主要在数据输入端,通过减少输入层神经元个数,增强网络性能,提高预测精度。本文以北京市为例,综合运用主成分分析和BP神经网络方法建立预测模型,以1986￣2003年数据为学习样本,以2004年数据为检验样本,对2005年北京市城市建成区面积进行模拟预测。预测结果表明,基于主成分分析的BP神经网络预测结果与实际值的相对误差为2.8%,比传统BP神经网络预测精度提高1.8个百分点,网络训练收敛速度也更快,其预测精度和效率都有不同程度的改善。 展开更多
关键词 主成分分析 BP神经网络 建成区面积 预测 北京
下载PDF
基于股权结构的财务危机预警模型构建 被引量：18
5
作者 曹德芳 夏好琴 《南开管理评论》 CSSCI 2005年第6期85-90,共6页
本文试图将公司股权结构变量引入到财务危机预警的研究中,首先运用Logistic回归分析对引入模型的变量进行了筛选,然后将筛选得到的变量进行主成分分析得到五个综合的变量,最后通过对五个综合的变量进行Fisher判别分析建立了一个上市公... 本文试图将公司股权结构变量引入到财务危机预警的研究中,首先运用Logistic回归分析对引入模型的变量进行了筛选,然后将筛选得到的变量进行主成分分析得到五个综合的变量,最后通过对五个综合的变量进行Fisher判别分析建立了一个上市公司的财务危机预警模型。本文选取的样本全部为上市工业企业,以期建立一个行业预警模型提高预警能力。结果表明,模型的预测能力较强。 展开更多
关键词 主成分分析 FISHER判别分析 财务危机预警 股权结构
下载PDF
南京市呼吸系统疾病死亡率与气象要素的关系及预测 被引量：29
6
作者 李雪源 景元书 +2 位作者 吴凡 周连 陈晓东 《气象与环境学报》 2012年第5期46-48,共3页
在全球气候背景下,气象要素的变化对呼吸系统疾病的影响不可忽视。基于2004—2010年南京地区呼吸系统死因监测资料、人口资料和同期气象数据,利用主成分分析法,讨论区域呼吸系统疾病患者死亡率的分布特征和对气象要素的响应及疾病死亡... 在全球气候背景下,气象要素的变化对呼吸系统疾病的影响不可忽视。基于2004—2010年南京地区呼吸系统死因监测资料、人口资料和同期气象数据,利用主成分分析法,讨论区域呼吸系统疾病患者死亡率的分布特征和对气象要素的响应及疾病死亡率预测模型的建立。结果表明:呼吸系统疾病死亡率在7月最低,1月最高,上半年变化幅度大于下半年。夏半年,气候以低压、高温和多降水为特点,呼吸系统疾病患者死亡率低;冬半年,气候有相对湿度大、日照时间短的特点,呼吸系统疾病死亡率呈上升趋势。回代检验结果 r=0.755,预测检验的拟合系数为r=0.795,均通过了0.01的显著性水平检验。主成分回归模型的拟合效果较好,可为相应预报工作提供参考。 展开更多
关键词 呼吸系统疾病 气象要素 主成分分析 预测模型
下载PDF
主成分分析与BP神经网络在煤耗氧速度预测中的应用 被引量：21
7
作者 王华 王连华 葛岭梅 《煤炭学报》 EI CAS CSCD 北大核心 2008年第8期920-925,共6页
结合主成分分析与神经网络的优点,提出了主成分分析与神经网络相结合的煤耗氧速度预测模型.采用主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为神经网络输入,一方面减少了输入变量的维数,消除了各输入变量的相关性;另... 结合主成分分析与神经网络的优点,提出了主成分分析与神经网络相结合的煤耗氧速度预测模型.采用主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为神经网络输入,一方面减少了输入变量的维数,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,同时也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高,学习时间更短,预测效果更优. 展开更多
关键词 主成分分析 耗氧速度 神经网络 预测
下载PDF
基于PCA-GA-BP神经网络的瓦斯含量预测分析 被引量：21
8
作者 曹博 白刚 李辉 《中国安全生产科学技术》 CAS CSCD 北大核心 2015年第5期84-90,共7页
为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析(PCA)方法来降低变量间的相关性,然后将遗传算法(GA)与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA... 为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析(PCA)方法来降低变量间的相关性,然后将遗传算法(GA)与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。 展开更多
关键词 主成份分析 优化 GA-BP神经网络 瓦斯含量 仿真预测
下载PDF
基于随机森林的风电功率短期预测方法 被引量：21
9
作者 刘兴 王艳 纪志成 《系统仿真学报》 CAS CSCD 北大核心 2021年第11期2606-2614,共9页
为了对短期风电功率及其波动范围作出有效预测,提出了一种基于Kmeans聚类和核主成分分析法结合随机森林算法的风电功率预测方法。采用聚类分析数据处理方法对气象风力发电数据进行预处理,提高数据质量,使用核主成分分析法对风电数据的8... 为了对短期风电功率及其波动范围作出有效预测,提出了一种基于Kmeans聚类和核主成分分析法结合随机森林算法的风电功率预测方法。采用聚类分析数据处理方法对气象风力发电数据进行预处理,提高数据质量,使用核主成分分析法对风电数据的8个特征数据进行降维处理去除特征间的相关性,采用随机森林算法进行预测,得到风电功率的预测值。结果表明:与传统的预测模型相比,采用聚类和核主成分分析法结合随机森林算法的模型进行预测,降低了预测误差,并能更准确地跟踪风电功率的变化。 展开更多
关键词 组合预测 聚类分析 核主成分分析法 随机森林算法 风电功率预测
下载PDF
基于PCA-GEP算法的边坡稳定性预测 被引量：20
10
作者 谷琼 蔡之华 +1 位作者 朱莉 黄波 《岩土力学》 EI CAS CSCD 北大核心 2009年第3期757-761,768,共6页
提出一种基于主成分分析的基因表达式程序设计算法,并将其用于边坡稳定性预测。该算法先采用主成分分析法对样本数据进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,再将得到的新样本数据输入基因表达式,构建边坡稳定... 提出一种基于主成分分析的基因表达式程序设计算法,并将其用于边坡稳定性预测。该算法先采用主成分分析法对样本数据进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,再将得到的新样本数据输入基因表达式,构建边坡稳定性的预测模型。利用该预测模型对82个危险圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行预测,取得了较好的效果。在保留传统的以误差值作为评判模型优劣标准的同时,引入AIC信息准则法,分别对v-SVR算法和GA-BP网络算法和PCA-GEP算法三种预测模型进行比较分析,结果表明,运用该算法可以获得更优的预测模型,其预测结果比v-SVR算法和GA-BP网络等其他算法得到的结果具有更高的预测精度。工程实例计算表明,该方法是合理、可行的。 展开更多
关键词 边坡稳定 基因表达式程序设计 主成分分析 预测 AIC信息准则 模型选择
下载PDF
基于主成分分析的GA-BP模型在城市需水预测中的应用 被引量：19
11
作者 李晓英 苏志伟 +3 位作者 周华 贾晓菲 叶根苗 蔡晨凯 《南水北调与水利科技》 CSCD 北大核心 2017年第6期39-44,共6页
针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分... 针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。 展开更多
关键词 主成分分析 BP神经网络 遗传算法 GA-BP模型 需水预测
下载PDF
采用改进回归型支持向量机的滚动轴承剩余寿命预测方法 被引量：18
12
作者 徐洲常 王林军 +3 位作者 刘洋 蔡康林 陈正坤 陈保家 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第3期197-205,共9页
为准确评估滚动轴承运行状态、预测其性能退化趋势以及剩余寿命,提出一种改进回归型支持向量机(SVR)的滚动轴承寿命预测方法。提取轴承信号的时域和时频域特征,通过主成分分析(PCA)方法将特征指标融合成一个归一化综合指标来表征轴承运... 为准确评估滚动轴承运行状态、预测其性能退化趋势以及剩余寿命,提出一种改进回归型支持向量机(SVR)的滚动轴承寿命预测方法。提取轴承信号的时域和时频域特征,通过主成分分析(PCA)方法将特征指标融合成一个归一化综合指标来表征轴承运行状态;利用特征指标和综合指标构建训练和预测向量数据集,结合差分进化灰狼群算法(DEGWO)确定最优惩罚参数和径向基函数(RBF)核参数并构建回归型支持向量机模型;将预测数据集输入到DEGWO算法优化的SVR模型中得到轴承状态评估指标的预测值,实现轴承剩余寿命的预测。利用IEEE PHM 2012数据集验证所提方法的有效性,并将其结果与灰狼群算法(GWO)优化的SVR、网格搜索算法(GSA)优化的SVR和长短期记忆神经网络(LSTM)模型所得结果进行对比分析。仿真结果表明:与其他方法相比,采用所提方法得到的轴承剩余寿命预测均方误差分别降低了44.74%、66.67%、77.27%,决定系数则分别提高了7.25%、20.72%、11.94%,该结果说明了所提方法在轴承剩余寿命预测应用方面的优越性。 展开更多
关键词 滚动轴承 状态评估 主成分分析 差分进化灰狼群算法 剩余寿命预测
下载PDF
基于主成分分析的人工智能台风路径预报模型 被引量：18
13
作者 黄小燕 金龙 《大气科学》 CSCD 北大核心 2013年第5期1154-1164,共11页
利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分... 利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。 展开更多
关键词 主成分分析遗传算法集合预报气候持续法 台风路径
下载PDF
测井约束地震反演技术在塔河油田碎屑岩储层预测中的应用 被引量：16
14
作者 徐丽萍 《石油物探》 EI CSCD 北大核心 2009年第6期591-595,共5页
塔河油田T759井区白垩系卡普沙良群舒善河组目的层段的砂岩层较薄,砂、泥岩之间的阻抗差异较小,因此不能有效地对砂体进行追踪,给储量计算带来了一定困难。为此,针对该井区目的层段开展了储层测井地震约束反演研究。首先,对T759井区测... 塔河油田T759井区白垩系卡普沙良群舒善河组目的层段的砂岩层较薄,砂、泥岩之间的阻抗差异较小,因此不能有效地对砂体进行追踪,给储量计算带来了一定困难。为此,针对该井区目的层段开展了储层测井地震约束反演研究。首先,对T759井区测井资料进行了分析,认为自然电位测井曲线可以较好地区分砂、泥岩;然后,采用精细井震标定、子波提取、初始模型建立、主组分分析、模型估算等方法进行测井约束地震反演,得到舒善河组的自然电位反演数据体,绘制了舒善河组自然电位反演均方根平面图,对砂体的展布特征进行了描述。 展开更多
关键词 测井地震约束反演 测井资料归一化 初始模型 主组分分析 储层预测
下载PDF
BP神经网络在油菜花期预报中的应用 被引量：18
15
作者 孙家清 张志薇 艾文文 《气象与环境科学》 2019年第4期22-26,共5页
建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985-2010年高淳站日最高气... 建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985-2010年高淳站日最高气温、日最低气温、日平均气温、日降水量、日日照时数、日平均5 cm地温、日平均相对湿度和日小型蒸发量等气象观测数据,利用主成分分析法,得到其与油菜花期相关系数较大的3个主成分,即温度因子、天气因子和辐射因子,以此为输入因子,建立基于BP神经网络的油菜花期预报模型,探讨BP神经网络在花期预报领域的应用。结果表明,传统的有效积温方法预报结果与实际开花期平均相差4.25天,BP神经网络方法预报结果与实际开花期平均相差1.5天,与有效积温预报油菜花期的方法相比,BP神经网络技术具有预测结果准确率高和操作简单等特点,在花期预报领域具有广阔的应用前景。 展开更多
关键词 BP神经网络 主成分分析 油菜花期 预报模型
下载PDF
基于GRNN和KPCA组合模型的变压器油中气体体积分数短期预测 被引量：18
16
作者 苏磊 陈璐 +3 位作者 徐鹏 林峻 盛戈皞 江秀臣 《高压电器》 CAS CSCD 北大核心 2021年第1期82-88,共7页
电力变压器作为输变电系统的主要核心设备,保证其能够健康稳定的运行具有重要意义,由于收集到的电力变压器的状态信息比较多,这些数据可以从各个方面反映变压器的运行状态,利用这些信息对变压器运行状态进行预测具有重要的研究意义,设... 电力变压器作为输变电系统的主要核心设备,保证其能够健康稳定的运行具有重要意义,由于收集到的电力变压器的状态信息比较多,这些数据可以从各个方面反映变压器的运行状态,利用这些信息对变压器运行状态进行预测具有重要的研究意义,设备的状态监测参量是一个复杂的数据序列,通过预测方法来对参量未来的变化趋势进行预测,能够更好的掌握变压器的运行状态变化,传统方法的输入信息通常是单一或者少数几维来拟合未来的变化趋势,存在输入特征信息量不足且不同信息维度之间存在耦合的现象,为提高变压器状态参量的预测精度,文中提出了一种基于GRNN、KPCA的组合模型实现变压器油中气体体积分数的短期预测,将常用的几种气体体积分数比值也作为特征参量,拓展了特征参量的维度,其次利用核主元分析方法从特征参量中选取主要参量,降低了信息的冗余,最后利用广义回归神经网络来对变压器油中气体体积分数进行预测。 展开更多
关键词 油中溶解气体 核主元分析体 果蝇优化算法 广义神经网络 参数预测
下载PDF
几种方法在粮食总产量预测中的对比 被引量：16
17
作者 姚作芳 刘兴土 +1 位作者 杨飞 闫敏华 《干旱地区农业研究》 CSCD 北大核心 2010年第4期264-268,共5页
根据吉林省1978-2007年的农业数据,选定了14个影响农业生产的因素作为研究对象,分别采用了主成分分析法、BP神经网络法、灰色预测法和逐步回归分析法4种分析预测方法,通过SPSS和Matlab工具将原始数据进行处理,得到4种不同的预测模型,进... 根据吉林省1978-2007年的农业数据,选定了14个影响农业生产的因素作为研究对象,分别采用了主成分分析法、BP神经网络法、灰色预测法和逐步回归分析法4种分析预测方法,通过SPSS和Matlab工具将原始数据进行处理,得到4种不同的预测模型,进而基于这4种模型对吉林省的粮食产量进行预测,并将各种预测产量和实际产量进行拟合分析。研究结果表明,拟合性最好的是BP神经网络法,其拟合确定性系数为0.899;其次是主成分分析法（拟合确定性系数为0.834）和逐步回归法（拟合确定性系数为0.787）;拟合效果最差的是灰色预测法（确定性系数为0.744）。粮食总产量估算精度最高的是BP神经网络法,达到93.67%;其次是主成分分析法,为90.45%。 展开更多
关键词 主成分分析法 BP神经网络法 灰色预测法 逐步回归法 粮食产量 预测
下载PDF
基于主成分—遗传神经网络的短期风电功率预测 被引量：17
18
作者 罗毅 刘峰 刘向杰 《电力系统保护与控制》 EI CSCD 北大核心 2012年第23期47-53,共7页
短期风电功率预测对接入大量风电的电力系统运行具有重要的意义,建立了基于主成分分析与遗传神经网络相结合的短期风电功率预测模型。该模型先对原始输入数据进行主成分分析,分析结果作为神经网络预测模型的输入;为克服BP神经网络训练... 短期风电功率预测对接入大量风电的电力系统运行具有重要的意义,建立了基于主成分分析与遗传神经网络相结合的短期风电功率预测模型。该模型先对原始输入数据进行主成分分析,分析结果作为神经网络预测模型的输入;为克服BP神经网络训练时间长、易陷入局部极小值的的缺陷,采用遗传算法优化神经网络的初始权值和阈值,并使用Levenberg-Marquardt算法对网络权值和阈值进行细化训练。经某风电场实际数据验证,与GA神经网络模型、PCA-LM神经网络模型相比,预测精度明显提高,为短期风电功率预测提供了一种有效的方法。 展开更多
关键词 风电功率 神经网络 遗传算法 主成分分析 短期预测
下载PDF
灰色均生函数模型及其在航空装备事故预测中的应用 被引量：17
19
作者 甘旭升 端木京顺 卢永祥 《中国安全科学学报》 CAS CSCD 北大核心 2010年第6期40-44,共5页
提出一种航空装备事故的灰色均生函数组合预测模型。该方法先建立给定事故时序的灰色GM(1,1)模型,然后再利用残余信息构建均生函数模型。从算例结果可看出,该模型建模过程简单,预测精度总体上好于灰色马尔柯夫预测模型,更优于单独使用... 提出一种航空装备事故的灰色均生函数组合预测模型。该方法先建立给定事故时序的灰色GM(1,1)模型,然后再利用残余信息构建均生函数模型。从算例结果可看出,该模型建模过程简单,预测精度总体上好于灰色马尔柯夫预测模型,更优于单独使用灰色模型的预测精度。从而表明:将灰色GM(1,1)模型和均生函数模型有机结合,由前者揭示航空装备事故的发展趋势,后者描述其随机摆动特性,能够较好地刻画航空装备事故的发展变化规律,为航空装备事故提供了一种可行的预测方法。 展开更多
关键词 航空装备事故 灰色GM(1 1)模型 均生函数 主分量分析 组合预测
下载PDF
基于主成分分析和贝叶斯正则化BP神经网络的GDP预测 被引量：17
20
作者 喻胜华 邓娟 《湖南大学学报（社会科学版）》 CSSCI 北大核心 2011年第6期42-45,共4页
选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于... 选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。 展开更多
关键词 主成分分析 贝叶斯正则化 BP神经网络 预测
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 2 … 19 下一页 到第 页
使用帮助 返回顶部