|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 广义回归神经网络在煤灰熔点预测中的应用显示文摘为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力. | 周昊 郑立刚 樊建人 岑可法 | 2004 | 浙江大学学报(工学版)2004，38，11： | 30 |
| 2 | 中国流行性腮腺炎发病率模型拟合及预测效果比较显示文摘背景流行性腮腺炎(流腮)是中国极为严重的疾病。充分认识中国流腮的规律性并构建模型预测,对其预防和控制有重要意义。目的评价季节性自回归移动平均模型(SARIMA)、指数平滑模型、SARIMA-广义回归神经网络(GRNN)组合模型和指数平滑-GRNN组合模型在流腮发病率拟合及预测中的应用效果。方法利用全国2004年1月-2016年6月的流腮逐月发病率数据拟合、训练模型,建立SARIMA、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型。预测2016年7-12月流腮的逐月发病率并与实际值比较,采用平均绝对误差百分比(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)评价模型拟合及预测效果。结果SARIMA(0,0,2)(0,1,1)12为最优SARIMA模型;Holt-Winters相乘模型为最优指数平滑模型,SARIMAGRNN组合模型和指数平滑-GRNN组合模型的SPREAD最优参数分别为0.026、0.031。SARIMA模型、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型拟合的MAPE、MER、MSE和MAE依次分别为15.350%、14.976%、0.336、0.286,14.346%、14.249%、0.326、0.272,7.390%、6.320%、0.034、0.123,6.952%、5.776%、0.028、0.113。SARIMA模型、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型预测的MAPE、MER、MSE和MAE依次分别为11.998%、12.260%、0.022、0.138,39.582%、38.462%、0.199、0.432,8.892%、9.677%、0.020、0.109,8.872%、9.672%、0.021、0.109。结论指数平滑-GRNN组合模型为最优模型,拟合及预测效果最好,用于全国流腮发病率预测精度高;SARIMA-GRNN组合模型次之;SARIMA模型拟合及预测效果一般;指数平滑模型拟合效果较好,但预测效果较差。 | 刘天 姚梦雷 黄继贵 吴杨 陈琦 童叶青 陈红缨 | 2020 | 中国全科医学2020，23，11： | 17 |
| 3 | 基于多变量混沌时间序列的冲击地压预测显示文摘考虑到冲击地压的混沌特征及其监测数据含噪且长度有限,基于多变量时间序列重构和GRNN模型来预测冲击地压监测变量。给出了多变量时间序列相空间重构理论和GRNN混沌预测原理,并提出采用遗传算法同时确定最佳重构参数和GRNN的光滑因子以保证预测精度。在Matlab2010a仿真环境下,将本文方法用于Lorenz系统以验证对含噪且长度有限的混沌序列的适用性,最后对微震能量和电磁辐射两类数据进行预测研究。结果表明:即使历史数据有限,多变量混沌序列预测方法也能提前预测出多个监测变量,从而实现冲击地压预报。 | 陶慧 马小平 乔美英 | 2012 | 煤炭学报2012，37，10： | 16 |
| 4 | 基于GRNN与注意力机制模型的非侵入式家用负荷分解显示文摘为了提高识别精度,提出一种基于GRNN与注意力机制模型的非侵入式家用负荷分解方法。采用批标准化来减少神经网络层与层之间的耦合,利用GRNN强大的时间序列特征表示能力,来提取电力负荷入口处测得的总用电信息与各电器能耗之间的关系,同时利用注意力机制来减少模型的权重参数。最后通过算例验证了算法的可行性与优越性。 | 余登武 刘敏 汪元芹 | 2021 | 智慧电力2021，49，3： | 14 |
| 5 | 用广义回归神经网络研究输电线雷电绕击特性显示文摘雷电绕击是危及超高压输电线路安全稳定运行的主要原因。电气几何模型(EGM)及在其基础上的理论并未考虑雷电放电过程的分散性,现有的研究多限于仿真计算程序。针对超高压输电线路的雷电绕击进行了小模型实验,并充分考虑保护角、斜坡倾角、山涧高度、线路电压、雷击先导角、雷击先导点位置等因素影响,研究表明雷电绕击率与以上诸因素存在着隐含的复杂非线性关系。人工神经网络在任意连续函数的逼近能力及动态网络的稳定性分析方面具有优势,是预测雷电屏蔽非线性系统的最佳方法。基于广义回归神经网络GRNN逼近能力强,学习速度快,纠错性好的特点,用其来分析此非线性系统。在试验室模型试验的基础上利用Matlab进行了大量的仿真实验,验证了该方法的可行性与准确性。还分析了多种影响因素下GRNN的计算结果。 | 邓维 蓝磊 文习山 彭旭东 | 2006 | 高电压技术2006，32，5： | 12 |
| 6 | 基于经验模式分解的神经网络组合风速预测研究显示文摘为了提高风电并入电网的安全性,需要对风功率进行提前预测。风速预测是风功率预测的关键,而风速的不稳定性是预测的难点。为了降低风速的不稳定性,提高预测精度,提出经验模式分解法将风速分解并重组成2组不同的序列,对高频分量采用神经网络组合预测,剩余分量采取BP神经网络预测,并对两分量预测结果等权相加得预测结果。针对不同的样本进行建模预测,验证了该方法的适用性。并比较了GRNN、BP、LS-SVM 3种方法不同组合方式的预测精度,证明了在该组合方法中3种方法优势互补。 | 勾海芝 赵征 夏子涵 | 2017 | 电力科学与工程2017，33，10： | 12 |
| 7 | 基于改进D-S的汽轮机组集成故障诊断研究显示文摘在分析与比较多个D-S合成规则的基础上,结合汽轮机组故障的特点,提出了一种基于改进D-S证据理论的集成故障诊断方法。该方法利用改进的D-S理论来表示和处理不确定的、模糊的信息,利用灰色理论和GRNN(广义回归神经网络)网络来处理证据理论中的基本概率分配问题,充分发挥灰色理论和GRNN的优点,提高故障诊断率。仿真结果表明,所提出的集成故障诊断方法能有效地诊断汽轮机组的故障,决策合理,可信度高,且能避免误诊现象,具有良好的应用前景。 | 徐春梅 张浩 彭道刚 | 2011 | 系统仿真学报2011，23，10： | 11 |
| 8 | 基于广义回归神经网络的蔬菜市场日价格预测显示文摘蔬菜市场日价格预测一直是研究的难点。根据GRNN原理,基于2010年12月13日至2014年4月18日的青菜市场日价格(合计799组数据),建立GRNN模型,并依此预测2014年4月7日至2014年4月18日的青菜市场日价格。结果表明:平均相对误差的绝对值为3.12%,最大绝对误差为0.24元,误差很小,且建立的模型在青菜市场日价格预测中具有良好的泛化能力。GRNN模型是进行蔬菜市场日价格预测的合适的神经网络模型。 | 陈芳 楼文高 | 2015 | 浙江农业学报2015，27，7： | 10 |
| 9 | 基于GRNN全信息神经网络的超短期风速预测研究显示文摘为了更好地研究风功率预测,风速预测显得至关重要。国内神经网络文献均只表现出了短期风速预测,而对于超短期风速预测的神经网络数学模型却相对稀少。引入了GRNN神经网络,详细说明了该方法的超短期风速预测原理并建立了数学模型;为了使超短期风速预测精度有一个良好的对比性分析,将影响风电输出功率的各NWP(numerical weather prediection)信息(包括风速、风向、气温、气压)进行组合,以国内某风电场2014年5月份的各NWP数据进行算例分析,实验结果表明,GRNN全信息神经网络可以达到很好的预测精度,而且运算网络的稳定性甚优。 | 高阳 钟宏宇 葛延峰 董存 许傲然 | 2016 | 测控技术2016，35，4： | 9 |
| 10 | 基于红外热成像技术和广义回归神经网络的稻种发芽率检测方法研究(英文)显示文摘基于稻种老化时间不同时的物理学和生理学差异,提出一种基于红外热成像技术及广义回归神经网络的快速、无损检测稻种发芽率的检测方法,解决传统稻种发芽率检测方法操作复杂、实验周期长等问题。在温度为45℃、湿度为90%的条件下,将水稻种子依次老化0,1,2,3,4,5,6和7 d,得到不同发芽率的种子;采集稻种红外热图像,然后提取稻种胚芽部位数据,总计144份,随机分为校正集和预测集,其中校正集96份,预测集48份;分析和比较不同老化天数稻种红外热差异,从物理学和生理学方面揭示稻种发芽率与红外热图像间的关系,结合偏最小二乘算法(partial least squares,PLS)、BP(back propagation,BP)人工神经网络和广义回归神经网络(general regression neural network,GRNN),建立稻种发芽率的红外热模型。结果表明,利用GRNN建立的发芽率预测模型效果最优,其中校正集的Rc(相关系数)和SEC(标准偏差)分别为0.932 0和2.056 0,预测集RP(相关系数)和SEP(标准偏差)分别为0.900 3和4.101 2,相关性均达到较高水平且校正集与预测集的标准偏差均较小。实验结果表明,采用红外热成像技术结合广义回归神经网络研究稻种发芽率是可行的,且所建模型在稻种发芽率快速测定方面有较高的精度。 | 方文辉 卢伟 徐鸿力 洪德林 梁琨 | 2016 | 光谱学与光谱分析2016，36，8： | 9 |
| 11 | DGA与GRNN的联合变压器故障诊断研究显示文摘针对传统的变压器故障诊断方法的不足,提出了基于油中溶解气体分析(DGA)方法和广义回归神经网络(GRNN)的变压器故障诊断方法。以DGA方法获取GRNN故障诊断模型的输入特征向量,建立了GRNN故障诊断模型,为了检验GRNN诊断模型的实际诊断能力,以某变电所主变压器的4种典型故障诊断为例进行仿真实验,并与标准BP神经网络(BPNN)和LM算法改进的BPNN(LM-BPNN)的诊断结果进行对比。仿真结果表明:DGA方法与GRNN的联合变压器故障诊断方法的诊断速度更快、准确率更高和泛化能力更强,且GRNN故障诊断模型构建简单,验证了所提出方法的实用性和有效性。 | 丁硕 常晓恒 巫庆辉 杨友林 | 2014 | 电子测量技术2014，37，5： | 9 |
| 12 | 载人潜水器潜浮运动的模拟(英文)显示文摘In order to predict the dive motion of a deep manned submersible currently developed in China,a three-degree-of-freedom dynamic model is developed to simulate its dive motion restricted in the vertical plane. Being the nonlinear function of attack angle, the hydrodynamic forces acting upon the submersible are determined by a towing tank test.Based on these experimental values,the hydrodynamic forces are identified by a general regression neural network (GRNN) over a wide range of attack angles.Results of numerical examples are presented in this paper to explain practical applications of the method. | MALing CUIWei-cheng | 2004 | 船舶力学2004，8，3： | 9 |
| 13 | Introducing atmospheric angular momentum into prediction of length of day change by generalized regression neural network model显示文摘The general regression neural network(GRNN) model was proposed to model and predict the length of day(LOD) change, which has very complicated time-varying characteristics. Meanwhile, considering that the axial atmospheric angular momentum(AAM) function is tightly correlated with the LOD changes, it was introduced into the GRNN prediction model to further improve the accuracy of prediction. Experiments with the observational data of LOD changes show that the prediction accuracy of the GRNN model is 6.1% higher than that of BP network, and after introducing AAM function, the improvement of prediction accuracy further increases to 14.7%. The results show that the GRNN with AAM function is an effective prediction method for LOD changes. | 王琪洁 杜亚男 刘建 | 2014 | Journal of Central South University2014，21，4： | 9 |
| 14 | 影响国际石油价格因素解析显示文摘为深度解析影响国际油价波动的主要因素,针对世界油价体系中最具代表性的三种油价(W TI,BR ENT,OPEC油价),根据现代时间序列分析的单位根检验、协整分析和格兰杰因果关系检验,选取了具有世界油价风向标作用的BRENT油价进行建模。针对油价波动复杂多变的特点,选择建立了GRN N人工神经网络模型,并采用现代启发式优化算法中的遗传算法进行网络优化训练。模型结果表明世界石油市场价格是生产主导型的,石油储备可以缓冲石油价格波动,美元汇率的波动将推动美元计价的石油价格波动。模型结果与历史数据相符,模型为分析未来油价变动及宏观经济决策提供了依据。 | 周子康 王实 杨衡 | 2005 | 管理现代化2005，25，6： | 8 |
| 15 | 基于广义回归神经网络GRNN的矿井瓦斯含量预测显示文摘煤矿瓦斯涌出量和瓦斯突出受控于多种因素。如何根据各个影响因素预测计算煤层瓦斯含量是一个非常复杂的问题。近年来迅速发展起来的神经网络具有较高的非线性映射和并行处理能力。广义回归神经网络(GRNN)具有网络结构自适应确定、输出与初始权值无关等优良特性,能够逼近任意连续的非线性函数,可以处理系统内在的难以解析的规律。本文以某矿13-1煤层为研究对象,在分析影响煤层瓦斯含量的各种地质因素和量化定性因素的基础上,应用GRNN神经网络方法建立某矿13-1煤层瓦斯含量预测模型,以达到对井田未开采区域进行瓦斯含量预测的目的。 | 王文才 王瑞智 孙宝雷 王政委 刘海 | 2010 | 中国煤层气2010，7，1： | 8 |
| 16 | 混沌噪声背景下检测微弱信号的神经网络方法分析显示文摘 地震勘探资料的噪声许多呈现混沌现象,利用传统的去噪方法效果并不理想.如何根据混沌固有的性质,对地震勘探资料中的有效信号进行提取是许多科学工作者极为关注的问题.针对这种混沌噪声下的微弱信号检测,本文提出三种神经网络方法并对此进行比较.理论分析及仿真实验表明这三种神经网络在信噪比达到-37dB时,均能检测混沌噪声背景中的微弱信号. | 林红波 李月 马海涛 杨宝俊 | 2003 | 地球物理学进展2003，18，4： | 8 |
| 17 | 多重共线性问题的神经网络实例分析显示文摘通过对多重共线性问题的回归分析,引出了在MATLAB中能快速设计的神经网络──推广的回归神经网络(GRNN),并用具体实例说明了实现GRNN的方法。 | 曾繁会 李伟 吕渭济 | 2001 | 辽宁工程技术大学学报(自然科学版)2001，20，5： | 7 |
| 18 | 基于神经网络的我国猪肉年度消费需求量预测研究显示文摘主要运用神经网络对中国猪肉年度消费需求量的预测问题进行了研究.首先对畜产品预测方法进行了综述,对神经网络预测原理进行了介绍,然后分别建立GM(1,1)、ARIMA模型、GRNN神经网络模型,GA-GRNN神经网络模型模型对猪肉消费量进行了预测,最后对模型进行了集成.结果表明,优化后的GA-GRNN模型预测误差率显著降低,集成模型在稳定性和精度方面均比较理想. | 马福玉 余乐安 | 2013 | 系统科学与数学2013，33，1： | 7 |
| 19 | 基于遗传优化GRNN神经网络的人脸识别算法显示文摘提出了基于遗传优化GRNN神经网络的人脸识别算法;该算法通过优化遗传算子选取光滑因子的最优值,并将光滑因子作为最优参数优化神经网络的识别误差,从而提高人脸识别算法效率和识别率;经仿真验证:在标准人脸图像库下,提出的人脸识别算法性能优于BP、PNN、GNN和DPNN神经网络识别算法。 | 简毅 卢峥 蒲永材 李坤贺 | 2018 | 兵器装备工程学报2018，39，2： | 7 |
| 20 | Prediction of Coke Yield of FCC Unit Using Different Artificial Neural Network Models显示文摘In fluid catalytic cracking(FCC) unit, it is greatly important to control the coke yield, since the increase of coke yield not only leads to the reduction of total liquid yield, but also affects the heat balance and operation of FCC unit. Consequently, it is significant to predict the coke yield accurately. The coke formation and burning reactions are affected by many parameters which influence each other, so it is difficult to establish a prediction model using traditional models. This paper combines the industrial production data and establishes a generalized regression neural network(GRNN) model and a back propagation(BP) neural network model to predict the coke yield respectively. The comparison and analysis results show that the accuracy and stability of the BP neural network prediction results are better than that of the GRNN. Then, the particle swarm optimization to optimize BP neural network(PSO-BP) and genetic algorithm to optimize the BP neural network(GA-BP) were further used to improve the prediction precision. The comparison of these models shows that they can improve the prediction precision. However, considering the accuracy and stability of the prediction results, the GA-BP model is better than PSO-BP model. | Su Xin Wu Yingya Pei Huajian Gao Jinsen Lan Xingying | 2016 | China Petroleum Processing & Petrochemical Technology2016，18，3： | 7 |
您所在的机构暂未开通此部分的功能，请联系管理员