IPSOBP算法.docx,基于PSO-BP算法的模糊神经网络成矿探测评价模型一、基本的BP神经网络原理基本BP算法包括两个方面:信号的前向传播和误差的反向传播,即计算实际输出时按从输入到输出的方向进行,而权值和阈值的修正从输出到输入的方向进行。图1-1 BP网络结构图1-1中变量含义
基于能量加权溶解气体分析的IPSO-BP变压器 早期故障诊断 Early fault diagnosis of IPSO-BP transformer based on energy weighted dissolved gas analysis 石 森*，李小平，徐家梁 SHI Sen *，LI Xiao -ping，XU Jia -liang （兰州交通大学机电工程学院，兰州 730070）摘要：变压器故障诊断误判案例分析表明，传统的...
基于IPSO-BP模型的滑坡位移预测成枢赵燕红冯子帆马卫骄China Sciencepaper
本文基于IPSO-BP神经网络方法进行短期风电功率预测。IPSO算法是一种基于粒子群优化算法的改进算法,能够有效解决神经网络参数优化问题。该方法将IPSO算法和BP神经网络相结合,通过对风速、风向等相关参数进行训练,建立风电功率与这些参数之间的映射关系,并进行预测。 4. 实验设计和结果分析 本文利用实际风电场的运行数据作为...
MATLAB实现IPSO-BP、PSO-BP、BP改进粒子群算法优化BP神经网络多输入单输出(不同数据优化效果不一样,改进后的效果也有差异) 程序设计 完整程序私信博主。 %% 粒子群初始化 Range = ones(sizepop,1)*(ub-lb); pop = rand(sizepop,Dim).*Range + ones(sizepop,1)*lb; % 初始化粒子群 ...
短时交通流量预测BP神经网络改进粒子群算法预测精度短时交通流量具有非线性,随机性等特点,如何准确地进行短时交通流量预测,是智能交通系统研究的一项关键内容.传统的预测模型不能实时反映短时交通流量变化特点,同时BP神经网络的交通流量预测存在收敛速度缓慢,易陷入局部极值,预测精度低等缺点.为了提高短时交通流量预测...
基于IPSO-BP神经网络的变压器故障诊断方法
测精度作为粒子群的适应度函数,通过粒子之间协作获得预测模型全局最优参数,通过BP神经网络建立预测 模型,利用短时交通流量数据对模型性能进行测试。结果表明,相对于传统参数优化方法,粒子群优化神经网 络提高了短时交通流量的预测精度,为非线性预测问题提供了一种新的研究思路。
本发明公开了一种基于特征选择和改进IPSO‑BP‑Adaboost的变压器故障诊断方法,包括以下步骤:通过随机森林计算袋外误差率筛选出最有利于提升诊断精度的气体组合,使用改进的粒子群算法对双隐藏层反向传播网络的参数进行寻优,使用Adaboost算法提高IPSO‑BP诊断模型的鲁棒性。本发明创新式引入了基于反向学习的SPM混沌映射,...
基于IPSO-BP的风电机组齿轮箱状态监测研究 郭鹏,李淋淋,马登昌 - 《太阳能学报》 - 2012 - 被引量: 16 基于IPSO-BP网络的汽车半主动悬架控制算法研究 胡庆玉 - 2010 - 被引量: 6 Fuzzy Neural Networks Based on IPSO for Traffic Flow Pred...