基于神经网络的震害损失评估模型

如何对强烈地震所引起的损失进行快速准确的评估已成为防灾减灾领域一个新的研究热点。本文提出综合利用粗糙集理论、遗传算法和神经网络进行震害损失评估。采用粗糙集软件ROSETTA对数据进行前置预处理,以大型科学计算软件MATLAB为平台,通过遗传算法优化神经网络的初始权值和阈值,建立了基于优化后神经网络的震害损失评估模型。数据算例分析表明,该模型合理有效。     

粗糙集理论在震害预测中的应用

知识约简是粗糙集理论的核心问题。首次尝试将这一概念用于建筑物震害预测工作中，结合震害预测工作的实际，提出了一种基于属性重要性的近似相对约简算法，并通过实例验证了其可行性。所述研究具有理论和现实意义，对今后进行有关抗震防灾工作具有很好的应用价值，并为开展震害预测工作提供了新的研究思路和手段。     

基于优化算法的风机振动故障模拟与诊断

为解决直驱永磁同步风力发电机 (Direct Drive Permanent Magnet synchronous windpower Generator,DDPMG)振动故障数据匮乏和传统算法故障诊断准确率低的问题,根据传统同步发电机振动特性与 DDPMG 相似的特点,采用同步发电机对 DDPMG 进行振动故障模拟,获取DDPMG 模拟振动在不同运行工况下的数据;并利用遗传算法(Genetic Algorithm,GA)分层优化最小二乘支持向量机(Least square Support Vector Machine,LS-SVM)参数的算法进行故障诊断。与未优化的 LS-SVM 诊断对比结果表明:采用优化算法的故障诊断准确率更高,可为后续DDPMG 振动监测与故障诊断技术研究提供参考。     

基于粗糙集的城市燃气管道破坏灾害演化诱发机制分析

利用粗糙集理论,在分析大量事故案例的基础上,构建城市燃气管道破坏事故的灾害演化网络模型,找出网络中各灾害事件的诱发因素,在此基础上,对诱发因素进行分级,并将分级的诱发因素作为条件属性,将各灾害事件是否发生作为决策属性;根据条件属性和决策属性,建立相应的数据信息表;对数据信息表中信息进行处理与计算,得到各个条件属性的上近似、下近似、正域,进而比较和计算分析得出可约简的条件属性,在此基础上,给出危机事件基于粗糙集的信息提取与不同条件下危机事件的预测分析。以交通封锁和交通堵塞两个危机事件的诱发过程为例来阐述上述方法,给出了在不同演化条件下交通封锁和交通堵塞是否发生以及发生概率。     

粗集神经网络在煤与瓦斯突出预测中的应用

结合粗集理论的属性约简功能和人工神经网络的非线性映射特性,提出了煤与瓦斯突出的一种预测方法.首先用粗集理论对训练样本进行属性约简和降噪,然后将经过预处理的训练样本代入神经网络进行训练,获得稳定的网络结构,最后用训练好的神经网络对待测样本进行预测.实际应用表明:瓦斯压力、瓦斯放散速度、地质构造、煤的坚固性系数和开采深度是煤与瓦斯突出预测的必要指标;粗集神经网络模型具有较高的预测精度和良好的实用性,是一种十分有效的煤与瓦斯突出预测方法.     

基于改进突变级数法的地震灾害社会脆弱性风险评价研究——基于四川地震灾害案例

针对地震灾害社会脆弱性评价中指标权重赋值的主观性和传统突变级数评价方法存在冗余指标的问题,首先建立基于突变级数法的地震灾害社会脆弱性评价指标体系,并采用粗糙集属性约简方法改进基于突变级数法的地震灾害社会脆弱性评价指标体系;然后,利用突变级数法对地震灾害社会脆弱性进行评价;最后以四川地震灾害为例,通过对四川省各地区社会脆弱性评价结果进行分析,提出了风险应对建议。     

基于最优正则极限学习机的变压器故障诊断

针对基于极限学习机的变压器故障诊断模型隐含层神经元个数较多时,存在过拟合、稳定性差以及精确度不高的问题,提出了一种最优正则极限学习机的变压器故障诊断方法。方法收集了变压器油中溶解气体作为故障指标,将采集的数据集合随机分成训练集、验证集和测试集。首先通过训练集对极限学习机故障诊断模型进行训练;其次,将验证集输入已构建的模型,利用验证集精度与训练精度的差值进行反馈,并引入最优正则系数对模型参数进行惩罚性调整;最后,利用更新后模型对测试集进行故障诊断。通过算例分析与比较可以得出,最优正则系数极限学习机比极限学习机稳定性强,精确度高,并且方法简单,计算速度快,可有效实现变压器故障诊断。     

一种基于BP网络和粒子群算法的拱坝可靠度分析方法

为了进行极限状态方程不明确的大型结构可靠度分析,提出了结合神经网络和粒子群优化计算拱坝可靠度的算法。确定性力学分析采用ANSYS软件,利用BP神经网络来模拟高度非线性映射关系的功能函数,基于罚函数和粒子群优化法进行可靠指标计算。综合C语言、ANSYS的APDL二次开发以及MATLAB混合编程技术,编制了该算法的可靠度分析程序。算例表明,该方法适应于隐式功能函数的复杂结构可靠度分析。     

基于粒子群优化神经网络的台风灾情定量评估

准确的台风灾情评估,是做好防灾减灾工作、降低灾情的基础。通过分析台风灾情与致灾因子、孕灾环境和承灾体的相关关系,将时间和GDP引入到评估因子中。针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用神经网络理论进行台风灾情评估,并将基于全局随机优化思想的粒子群优化(PSO)算法对BP神经网络的初始权值进行优化,以改进BP神经网络方法存在的对初始权值敏感、易陷入局部极小点的缺点,从而建立了PSO-BP网络台风灾情定量评估模型。将该模型应用到2007年台风灾情评估中,评估值与实际值基本符合,表明该模型能应用于台风灾情的定量评估。     

深水平台施工过程自然风险定量评估

在分析现有风险理论的基础上,结合海洋施工实际,提出了一种对海洋施工自然风险进行定量评估的模型。根据目标系统各风险事件与影响因素之间存在高度非线性复杂映射的特点,提出了利用BP神经网络拟合方法,对主要风险事件发生概率进行量化的模型。针对传统的梯度下降优化算法收敛速度慢的特点,采用可避免计算Hesse矩阵的Levenberg-Marquardt算法来训练神经网络。这一模型可以模拟专家评价,并准确地按照专家的评定法则进行估算,具有一定的通用性。     

基于神经网络的洪水预报研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行洪水预报是可行的.对洪水预报问题,初步建立了基于神经网络的洪水预报系统,给出了应用实例.     

膨胀土路基水毁灾害及其粗糙神经网络预测

通过对膨胀土地质灾害的总结，提出了膨胀土路基水毁灾害的分类分级方法，并根据常用的地质灾害预测办法，指出膨胀土路基水毁灾害的预测是一个典型的非线性问题，当考虑降雨、干旱等气候因素耦合影响时，宜进行危险性点评估。提出了采用粗糙神经网络对膨胀土路基水毁灾害进行评价和预测的方法，并运用粗糙集理论确定了该神经网络的结构。同时，以某膨胀土路基水毁大型模型试验的数据为例，进行了灾害预测，结果表明，将粗糙神经网络运用于膨胀土路基的水毁灾害预测是切实可行的。     

跌落保险监测装置的设计与应用

为实现对配电线路及跌落保险的实时监测,设计了一套针对跌落保险的故障监测定位装置。该装置可以实时准确上报故障信息及跌落保险状态,利用装置的GPS定位功能配合数据中心及移动端软件,能够帮助运行人员迅速到达故障位置。现场安装及应用结果表明跌落保险监测装置能迅速可靠定位线路故障并上传故障信息,加快抢修速度,减少停电时间,提高供电可靠性。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

集抄系统电表变更识别和故障诊断研究综述

针对由于用户电表及设备档案变更、损坏、通信故障等因素导致集抄系统数据采集成功率和质量出现的问题,对集抄系统路由方法和集抄系统故障诊断方法的新进展进行综述。研究结果表明:(1)利用电力线载波路由算法并构建新的网络结构模型,将复杂的电力线通信网络拓扑转化成简单清晰的网络拓扑,解决集抄系统电表更换识别问题;(2)将数据挖掘技术和专家系统相结合,开发基于数据挖掘的故障诊断专家系统,使集抄系统故障诊断智能化,提高数据采集的质量;是未来需要进一步研究的课题。     

基于ASD-KDE算法的超短期风电出力区间预测

为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度( atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP( back propagation) 神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。     

RFID技术在输变电设备状态监测中的应用

针对目前输变电设备的常规故障诊断方法的不足,分析研究了基于射频识别(RadioFrequency Identify,RFID)技术的输变电设备状态监测系统和多传感器网络的信息融合,以及采用 CMA 代理方式解决多传感器网络接入电力通信专网的安全性问题,提出了 RFID 技术在输变电设备状态监测中的应用方案。应用结果表明:RFID 技术抗环境和机械干扰能力强,可以对通过网络传输的设备信息进行融合,从而降低网络数据传输量,提高通信质量,实现了对输变电设备的远距离监测