共查询到19条相似文献,搜索用时 171 毫秒
1.
自适应人工鱼群-BP神经网络算法在径流预测中的应用 总被引:4,自引:0,他引:4
为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。 相似文献
2.
3.
为了减少水灾损失并提高煤矿底板突水量预测精度,基于肥城矿区相关矿井水文地质资料,选取水压、底板裂隙发育程度、断层落差、岩溶发育程度、含水层厚度、隔水层厚度等6项指标,建立了肥城矿区底板突水量等级预测模型,采用平均影响值(MIV)方法评价了神经网络模型中各自变量对突水量等级预测的影响程度。结果表明:该模型具有较高的预测精度;肥城矿区内的小型突水主要由含水层及隔水层的属性决定;大型及特大型突水的发生与断裂构造、岩溶和底板裂隙发育程度等因素密切相关。 相似文献
4.
根据污水厂日报表中的数据分别建立了ARMA、逐步回归分析、基于回归分析的神经网络模型和基于时间序列分析的神经网络模型,通过比较选择了基于时间序列分析的神经网络模型作为对污水厂出水COD的预测模型,其平均预测精度为85%,取得了满意的预测结果,有利于克服根据在线监测调整工艺参数的滞后性的缺陷,保证出水水质. 相似文献
5.
6.
基于遗传算法的人工神经网络在降水酸度预测中的应用 总被引:1,自引:0,他引:1
在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上,应用遗传算法训练神经网络权重,实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明:基于遗传算法的人工神经网络优于BP算法及多元线性回归法,具有良好的预测效果。 相似文献
7.
基于自适应调整蚁群-RBF神经网络模型的中长期径流预测 总被引:1,自引:0,他引:1
径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。 相似文献
8.
供水系统短期需水量预测是供水管网优化调度的基础,预测的准确性对供水调度有重要影响。图神经网络是一种新型神经网络架构,通过学习对象的拓扑特征优化学习效果。利用供水管网的拓扑特征搭建了图波网络(Graph Wavenet)模型,用于学习供水管网各监测点的空间拓扑关系及其需水量时间序列关系,实现了更准确的供水管网短期需水量预测。使用真实管网历史数据训练Graph Wave Net模型,未来5 min预测的最小百分比误差达到1.28%,平均百分比误差达到1.34%。实验成功地将给水管网拓扑结构用于优化深度学习模型效果,使用图卷积网络模型有效提升了供水管网短期需水量预测精度。并对图神经网络在供水管网领域的应用前景进行了简要探讨。 相似文献
9.
《防灾科技学院学报》2020,(1)
综合利用主成分分析法(Principle Component Analysis,PCA)对影响公路岩质边坡稳定性的6个因素进行主成分提取,提取的4个主成分作为BP神经网络的输入变量,边坡状态作为输出变量,并采用Levenberg-Marquardt(LM)算法优化BP神经网络,建立了基于PCA-LM-BP神经网络的公路边坡稳定预测模型。结合中南公路岩质边坡工程实例,将PCA-LM-BP神经网络模型的预测结果与LM-BP神经网络模型、BP神经网络模型预测结果进行对比。结果表明:基于PCA-LM-BP神经网络的预测模型精度较高,可为预测中南公路边坡稳定性提供一定的依据。 相似文献
10.
为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.在对环境系统的预测量及其影响因子进行规范变换的基础上,将m个规范影响因子的每个建模样本组成m个"等效"训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO_2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了"维数灾难",提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用. 相似文献
11.
城镇污水处理厂进水浓度偏低是污水治理提质增效的难题之一。以无锡市某污水处理厂为例,基于水质分析和调研资料,采用水量平衡三角法分析了进水浓度偏低的原因分析,提出了整治措施。分析结果表明:该厂进水中地下水或河水渗入量和雨水混入量比例分别为28.9%和9.8%;晴天时进水浓度偏低的原因为污水管网渗漏和低浓度工业废水纳管,雨天时进水浓度偏低的主要原因是小区管网雨水混入,COD和BOD5降幅分别可达到65.4%和52.9%。针对上述问题,提出了完善排水管理体制、工业企业排水实行三管分设整改、细化管网渗漏的检测排查和有效修复、加强管网验收和质量监管、尽量降低管网水位4项整治措施。 相似文献
12.
随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术(径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络)对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属(Cr、Cu)、营养盐(TN、TP)、持久性有机污染物〔PBDEs(多溴二苯醚)、HCH(六氯环己烷)〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术(递归神经网络、支持向量机、模糊神经网络等)构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术(小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等)建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值. 相似文献
13.
基于在线监测与人工水质相结合的方法,通过大量背景数据的收集,制定了系统化的监测方案,实现了区域内各污染物负荷的定量化分析工作。结果表明:在提质增效的"挤外水"中,污水管道入渗地下水的去除可将污水厂水质浓度提高36.01%;工企业污水的污染物负荷贡献率较低,部分企业需在预处理后继续排入污水处理厂;"收污水"中,对水厂浓度提高影响较大的是城乡接合部散排污水,全部纳管收集后,污水厂水质浓度将提高30.30%。同时,雨水管网混流污水与过河管道漏失污水虽对污水厂水质浓度的提高影响较小,但也会带来水体污染的危害,仍需进行改造纳管。 相似文献
14.
15.
进水污染物浓度低及比例失调是目前许多城镇污水处理厂面临的问题,然而鲜有关于渗漏来源及定量分析的相关文献报道。为定量分析河水、地下水、雨水、管道中污染物降解等因素对污水浓度降低的影响,通过水量平衡三角法,并结合典型位点的24 h采样测试分析及S-P降解模型,对目标城镇污水处理厂进水组成进行分析。历史水量数据结合降雨情况分析表明,该污水处理厂进水中实际原生污水量仅为60.0%左右,其余40.0%左右为地下水及河水渗入量或雨水混入量。在连续晴天无降雨的情况下,小区自建管网和市政排水管网是主要的渗漏源,其对于进水有机物浓度降低的贡献分别为20.2%和26.4%。此外,在25 mm降雨量情况下,小区自建管网是主要的渗漏源,对于进水浓度降低的贡献达到39.5%。因此在污水处理提质增效工作中,小区自建管网的完善程度应引起关注。 相似文献
16.
17.
18.