共查询到20条相似文献，搜索用时 515 毫秒
1.
2.
为了及时有效地对建筑物的变形进行预测,将多小波、Kalman滤波与神经网络三者有机地结合起来建立了一种新的变形预测方法：基于扩展Kalman滤波（简称为EKF）的多分辨正交多小波神经网络变形预测模型。通过变形预测实验表明该方法具有较高的精度,较快的速度,一种较好的组合预测方法。 相似文献
3.
小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。 相似文献
4.
基于小波网络的电力系统短期负荷预报研究 总被引：7，自引：0，他引：7
本文结合小波和神经网络方法进行电力系统短期负荷预测的通用模型和方法的研究,建立了负荷预报的小波网络模型,确定了有效的算法求解小波函数线性组合的尺度和时延参数以及神经网络的权值。 相似文献
5.
改进神经网络与小波分析结合的电力负荷预测方法研究及应用 总被引：1，自引：0，他引：1
本文充分考虑神经网络与小波分析的结合建立改进神经网络与小波分析结合的电力负荷预测模型,系统的不同输入数据通过不同的子模块预测,最终以预测结果初始化作为出口.输出的结果可以通过判断模块后再次作为负荷预测子系统的部分输入数据重复预测.实例结果表明该方法具有很高的预测精度和较强的适应能力. 相似文献
6.
7.
8.
《内蒙古科技与经济》2017,(13)
以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。 相似文献
9.
10.
11.
利用小波神经网络在非线性建模中收敛迅速等优越性,提出预测高速公路软土地基最终沉降量的方法。其要点是:将前期沉降观测值作为样本,通过对小波神经网络结构的训练寻求沉降及其主要影响因素的内在关系,据以预测后期沉降量。 相似文献
12.
13.
《科技通报》2015,(12)
针对传统单小波在对称性、正交性、有限支撑等特性上的不足,提出一种基于多小波分析的图像优化去噪方法。对图像进行预滤波处理操作,消除多小波的不恰当离散性。对待处理信号经预滤波处理后产生的四个分量进行多小波变换处理。采用Visu shrink方法与基于stein无风险估计的Sureshrink方法对阈值进行确定。保持总像素量不变,给出多小波分解及重构系统框图。以S=2的多小波为例对多小波变换进行分析。分别完成行滤波和列滤波。对噪声方差进行预测,完成对原始图像多小波系数的方差的估计,对尺度参数和阈值进行计算。仿真实验结果表明,所提方法能够有效去除图像噪声,进一步增强了图像的信噪比。 相似文献
14.
15.
16.
文章提出了将小波函数引入神经网络预测模型,对一个具有非线性、时变性、大滞后性特点的地铁站台内的CO2含量进行预测控制。而小波神经网络系统结合了小波分析和传统神经网络的优点,且可不断吸收环境新信息,有良好的函数学习能力和推广能力。最后实现了对具有大干扰性、大滞后性和不确定随机干扰因素的CO2含量进行了精确预测。 相似文献
17.
小波神经网络(WNN)的理论基础是小波函数的重构理论,只含有一个隐含层的3层小波神经网络,该网络可以通过多种形式来解决一个接近非线性映射问题。常用的遗传算法(GA)是在达尔文生物进化论的基础上逐渐形成的一种计算机模型,可以通过模拟自然进化来选择最佳的问题解决方法,基于遗传算法优化的小波神经网络包含了神经网络理论中最精华的部分,由于其结构简单、可塑性强,可以使权值收敛到某个值后,误差为全局最小值。通过建立金华市区红层地下水的GA-WNN模型,实现了对其进行科学的预测,为以后地下水预警体系建设打下了坚实的基础。 相似文献
18.
19.
文章提出并分析了两种基于小波神经网络的桩身缺陷类型的检测方法:利用多分辨率分析和神经网络检测桩身缺陷类型;利用小波包分析和神经网络检测桩身缺陷类型。工程试验的结果表明:文章提出的方法具有一定的精度,可提高桩基低应变动力检测结果的可靠度。 相似文献
20.