-
公开(公告)号：CN103258243B
公开(公告)日：2016-11-30
申请号：CN201310151844.1
申请日：2013-04-27
Applicant: 杭州电子科技大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于灰色神经网络的爆管预测方法。本发明首先，对于给定的爆管因素和爆管率数据序列,通过静态灰色建模，对爆管率序列进行预测。预测结果和原爆管率序列进行比较,得到残差。然后，利用神经网络在这些残差和爆管因素间建立神经网络逼近模型。经过反复训练的神经网络就是残差和所选的灰色模型数据间的映射关系。最后预测时，再将灰色模型的预测值用神经网络的补偿值进行补偿。本发明结合灰色建模方法和神经网络模型建立灰色神经网络模型，克服传统爆管模型需要大量的数据的缺点，能较好的解决小样本预测问题，提高预测精度。
-
公开(公告)号：CN103258235A
公开(公告)日：2013-08-21
申请号：CN201310177391.X
申请日：2013-05-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进人工鱼群算法的供水管网改扩建优化方法。本发明首先由EPANET对改扩建后的供水管网运行过程进行模拟仿真，得出的模拟数据通过BP神经网络方法建立供水管网模型，然后对改扩建后管网运行时的供需压差、改扩建费用作为评价指标，建立一个优化模型，采用改进人工鱼群算法分别对管径和供水量进行优化计算。本发明充分发挥了EPANET的水力计算能力和BP神经网络的非线性拟合能力，建立的模型简单易实现，随着训练数据的增加，模型的精确度也能进一步的提高，而且通过改进的人工鱼群算法用于供水管网的优化，可以克服局部极值的缺点，收敛速度快。
-
公开(公告)号：CN102779216A
公开(公告)日：2012-11-14
申请号：CN201210266188.5
申请日：2012-07-30
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于有限元模型的电磁感应加热过程系统辨识方法。本发明采用ANSYS软件建立钢坯电磁感应加热有限元模型，求解实现对钢坯的感应加热过程的模拟，获得模拟数据。将有限元模拟给出的系统输入和输出时间历程数据代替实验数据，并采用最小二乘的系统辨识方法处理此输入和输出时间历程数据，从而得到系统的响应特性参数。本发明吸取感应加热有限元建模的优势，克服有限元模型因阶次高无法直接用于控制的弊端，用于感应加热过程的温度控制器设计，可保证感应加热器的性能。
-
Patent Agency Ranking
公开(公告)号：CN102779216B
公开(公告)日：2014-09-17
申请号：CN201210266188.5
申请日：2012-07-30
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于有限元模型的电磁感应加热过程系统辨识方法。本发明采用ANSYS软件建立钢坯电磁感应加热有限元模型，求解实现对钢坯的感应加热过程的模拟，获得模拟数据。将有限元模拟给出的系统输入和输出时间历程数据代替实验数据，并采用最小二乘的系统辨识方法处理此输入和输出时间历程数据，从而得到系统的响应特性参数。本发明吸取感应加热有限元建模的优势，克服有限元模型因阶次高无法直接用于控制的弊端，用于感应加热过程的温度控制器设计，可保证感应加热器的性能。
-
公开(公告)号：CN103294847A
公开(公告)日：2013-09-11
申请号：CN201310129939.3
申请日：2013-04-12
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于水力平差的供水管网模型模糊辨识方法。本发明采用EPANETH软件建立供水管网的水力平差模型，求解实现对供水管网的运行模拟，获得模拟的实验数据。将水力平差模型模拟给出的系统输入和输出时间历程代替观测数据，并采用T-S模型的模糊辨识方法处理此输入和输出时间历程，从而得到系统参数模型。本发明利用EPANETH的优势，简化了现场传感器的布点及数据采集，而且通过T-S模型的高精度的模糊辨识用于供水管网的预测控制，可保证供水管网优化调度的可靠性。
-
公开(公告)号：CN103294847B
公开(公告)日：2017-06-27
申请号：CN201310129939.3
申请日：2013-04-12
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于水力平差的供水管网模型模糊辨识方法。本发明采用EPANETH软件建立供水管网的水力平差模型，求解实现对供水管网的运行模拟，获得模拟的实验数据。将水力平差模型模拟给出的系统输入和输出时间历程代替观测数据，并采用T‑S模型的模糊辨识方法处理此输入和输出时间历程，从而得到系统参数模型。本发明利用EPANETH的优势，简化了现场传感器的布点及数据采集，而且通过T‑S模型的高精度的模糊辨识用于供水管网的预测控制，可保证供水管网优化调度的可靠性。
-
公开(公告)号：CN103258235B
公开(公告)日：2016-01-27
申请号：CN201310177391.X
申请日：2013-05-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进人工鱼群算法的供水管网改扩建优化方法。本发明首先由EPANET对改扩建后的供水管网运行过程进行模拟仿真，得出的模拟数据通过BP神经网络方法建立供水管网模型，然后对改扩建后管网运行时的供需压差、改扩建费用作为评价指标，建立一个优化模型，采用改进人工鱼群算法分别对管径和供水量进行优化计算。本发明充分发挥了EPANET的水力计算能力和BP神经网络的非线性拟合能力，建立的模型简单易实现，随着训练数据的增加，模型的精确度也能进一步的提高，而且通过改进的人工鱼群算法用于供水管网的优化，可以克服局部极值的缺点，收敛速度快。
-
公开(公告)号：CN103258243A
公开(公告)日：2013-08-21
申请号：CN201310151844.1
申请日：2013-04-27
Applicant: 杭州电子科技大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于灰色神经网络的爆管预测方法。本发明首先，对于给定的爆管因素和爆管率数据序列，通过静态灰色建模，对爆管率序列进行预测。预测结果和原爆管率序列进行比较，得到残差。然后，利用神经网络在这些残差和爆管因素间建立神经网络逼近模型。经过反复训练的神经网络就是残差和所选的灰色模型数据间的映射关系。最后预测时，再将灰色模型的预测值用神经网络的补偿值进行补偿。本发明结合灰色建模方法和神经网络模型建立灰色神经网络模型，克服传统爆管模型需要大量的数据的缺点，能较好的解决小样本预测问题，提高预测精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
