共查询到10条相似文献,搜索用时 187 毫秒
1.
2.
3.
4.
滑坡预测的混沌神经网络模型 总被引:2,自引:0,他引:2
根据混沌理论具有分析非线性动态系统的混沌特性和人工神经网络具有考虑多因素影响的特点,提出了滑坡预测的混沌神经网络综合模型。该方法首先利用非线性科学和理论分析滑坡位移时间序列的动态特性,然后将重构相空间计算的最小嵌入维数作为输入神经元的数目引入到人工神经网络预测模型中。 相似文献
5.
基于混沌时序最小二乘支持向量机的汽油机瞬态空燃比预测模型研究 总被引:1,自引:0,他引:1
针对由氧传感器构成的瞬态空燃比反馈控制系统无法满足实时性要求的问题,提出了基于混沌时序最小二乘支持向量机(LS-SVM)的瞬态空燃比预测模型。对试验采集到的一维空燃比数据利用相空间重构技术构造多维空间数据,恢复空燃比时间序列的多维非线性特性,然后采用LS-SVM对重构后的数据进行训练及预测,得出预测结果。仿真结果表明:与Elman神经网络预测模型及前馈BP神经网络预测模型相比较,混沌时序LS-SVM预测模型具有更强的非线性预测能力,能够有效地提高瞬态空燃比的预测精度。 相似文献
6.
7.
短期交通流量预测是智能交通系统的核心研究内容之一.针对城市交通流具有的混沌特性,提出1种具有较高精度的短期交通流量多步预测方法,以支持交通控制和交通流诱导.利用最大Lyapunov指数方法判别交通流量时间序列的混沌特性,对交通流量时间序列进行相空间重构,并在此基础上结合加权一阶局域方法设计了基于混沌理论的交通流量多步预测算法.将此方法运用于实际道路交通流量的多步预测,比较多步预测值与实际流量值,其平均绝对百分比误差为3.33%,平均绝对误差为9.05/[pcu· (5min)-1],均方根误差为10.36/[pcu·(5 min)-1].应用结果表明,该预测方法具有较高的精度. 相似文献
8.
锂离子电池在老化过程中,其内部呈现非线性的复杂变化,因此直接使用动态条件下的锂离子电池运行时段的数据(电流、电压和温度)进行电池健康状态的实时估计是一个具有挑战性的问题。本文中选取锂离子电池随机充放电数据,对动态数据的部分片段进行时频特征提取,组成时频特征矩阵作为输入,构建级联式卷积神经网络和门控循环单元容量估计模型,对输入数据进行内在特征提取,并进一步挖掘各时间序列中的相关特征,实现锂离子电池动态条件下的容量估计。利用美国航空航天局锂离子电池随机使用数据集进行实验验证的结果表明,该方法能在仅已知电池的额定容量的情况下,准确完成锂离子电池容量估计。最后,本文还分析了模型超参数设置、原始数据时序长度、网络输入和模型结构对容量估计精度的影响。 相似文献
9.
10.
为揭示电动汽车用功率型锂离子电池的针刺安全特性,针对18650、21700功率型锂离子电池,通过搭建电池针刺特性试验平台,借助基于电池内、外电路电子流向的经典内短路模型,探究了不同荷电状态(SOC)、针刺速度、刺针直径以及电池尺寸等关联影响因子对电池针刺安全特性的影响。试验结果表明:荷电状态越高、针刺速度越快、刺针直径和电池尺寸越大时,电池针刺热失控的发生风险越高;当18650、21700功率型锂离子电池的荷电状态分别在40%、20%范围内时,电池具有较好的针刺安全性。 相似文献