导读:本文包含了人工神经网络集成论文开题报告文献综述及选题提纲参考文献，主要关键词:人工神经网络,模拟集成,光伏发电预测
人工神经网络集成论文文献综述
王巍[1]（2019）在《基于人工神经网络和模拟集成的短期光伏发电预测》一文中研究指出文章提出了一种基于人工神经网络(ANN)和模拟集成(AnEn)的短期光伏发电预测方法。该方法首先利用数值天气预报模型,以计算天文变量为输入,对光伏发电站点进行72 h的确定性和概率预测;然后分别运用基于ANN,AnEn和ANN+AnEn联合模型方法对3个光伏发电站点进行预测,并进一步利用模拟4 450个光伏电站的综合数据验证了该模型方法的可扩展性;最后利用美国国家大气研究中心(NCAR)的黄石超级计算机,在1个节点(32核)～4 450个节点(141 140核)内测试了该方法的并行运算处理能力。实验结果表明,基于ANN+AnEn联合模型方法可以获得最佳结果,同时证明了该方法适用于大规模并行计算。(本文来源于《可再生能源》期刊2019年05期）
贾凯,倪志伟,李敬明,陆玉佳,朱旭辉[2]（2019）在《基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究》一文中研究指出BP神经网络算法具有寻优效率不高、易发生早熟且最终求解精度不够等特点,针对以上问题,文章提出一种基于改进二进制人工蜂群算法(Improved Binary Artificial Bee Colony Algorithm)的BP神经网络并行集成学习算法(IBABC-BP).首先,文章构建以高斯变异函数作为概率映射函数的离散二进制人工蜂群算法(IBABC),分析证明了算法的有效性,并通过在4个Benchmark标准测试函数上证明了其寻优精度和收敛速度较其他4种改进人工蜂群算法均有大幅提高;其次,将改进的二进制人工蜂群算法(IBABC)用于训练BP神经网络,设计了IBABC-BP并行集成学习算法;最后,将IBABC-BP算法用于雾霾评估预测,以合肥地区的雾霾历史数据作为仿真数据.实验结果表明,IBABC-BP算法在寻优精度和收敛速度上较原始BP算法、人工蜂群ABC-BP算法、遗传GA-BP算法等算法有明显的提升,可以有效地提高雾霾评估预测的准确性.(本文来源于《系统科学与数学》期刊2019年03期）
李晓岚,刘旸,栾健,马雁军,王扬锋[3]（2018）在《基于BP人工神经网络法沈阳市PM_(2.5)质量浓度集成预报试验》一文中研究指出基于CUACE(CMA Unified Atmospheric Chemistry Environment)和CMAQ(Community Multiscale Air Quality)空气质量模式预报产品,应用BP(Back-Propagation)人工神经网络法建立沈阳市不同地点小风和高湿条件下PM_(2.5)浓度集成预报模型,并对预报结果进行检验。结果表明:与单一空气质量模式相比,集成模型预报的PM_(2.5)浓度更接近实测值,预报的PM_(2.5)浓度的平均偏差和归一化均方误差均明显减小,预报的PM_(2.5)浓度的模拟值在观测值两倍范围内的百分比(FAC2)明显提高。集成模型能较好地预报PM_(2.5)浓度高值的变化,且显着提高了沈阳市外围城区PM_(2.5)浓度的预报水平。集成预报模型可以实现CUACE和CM AQ两种空气质量模式产品的最优综合,对空气质量的实时预报具有一定的参考价值。(本文来源于《气象与环境学报》期刊2018年02期）
张维涛[4]（2015）在《基团贡献人工神经网络集成法估算有机物熔点的研究》一文中研究指出熔点是有机化合物的基本热力学函数，研究者经常采用实验和某些经验方法获得。在现有的条件下，有些化合物的熔点无法通过实验获得，一些经验估算的结果也往往不合理。因此，通过建立数学模型来预测有机化合物的熔点，对于指导新型有机化合物的合成，特别是新型含能化合物的复杂的合成过程具有重要意义。利用人工神经网络方法估算有机物熔点，其预测结果优于数学回归法的预测结果，但是人工神经网络预测熔点时，其输入参数的表征复杂，而且不易获得。基团贡献法可以由少量的分子结构基团参数，建立简单的数学模型来估算有机化合物熔点。使用基团贡献法预测熔点时，对于相同基团的拆解结果的不同，从而导致预测结果的精度不一。为了克服两种方法的缺点，本文将基团贡献法与人工神经网络法结合进行有机物熔点的预测，人工神经网络的高度非线性功能，能在一定程度上说明分子组成基团之间的影响，理论上能极大的提高预测精度。本文根据所选样本分子结构特征，共得到32种分子基团作为神经网络的输入参数，根据样本种类的分布规律，共取25种样本作为检测样本。对初始权值、隐层数、隐层节点的设计进行分析讨论，确定BP人工神经网络预测模型的结构为32-12-1，输出参数为样本集的各物质的熔点。采用Matlab的trainlm函数对BP网络进行训练。训练达到最小误差要求后，对随机选取的测试集的样本进行预测。最后在研究BP神经网络的基础上，结合Visual Basic6.0作为开发工具，实现BP神经网络预测模型的可视化操作。基于基团贡献方法的BP人工神经网络模型，样本预测的平均相对误差为7.97%，平均绝对误差为6.25℃，对相同的检测样本使用文献报道的JR法进行预测，预测结果的平均相对误差为21.92%，平均绝对误差为20.63℃。通过基团贡献法与人工神经网络法相结合，预测纯有机化合物的熔点，这种方法的预测精度高于大部分文献报道的基团贡献方法，也为人工神经网络法提供了较为简单，易定的输入参数。将抽象的BP神经网络预测模型，通过VB编程语言开发成一个可视化，图像界面丰富的操作系统。预测熔点时，只需要建立相关的数据库，将数据库引用到通过VB语言实现数学模型的可视化操作系统中，通过简单的操作即可得出结果。(本文来源于《中北大学》期刊2015-05-18）
张维涛,于雁武[5]（2015）在《基团贡献人工神经网络集成法估算有机物物性研究进展》一文中研究指出介绍了基团贡献人工神经网络集成法的原理,综述了其在各种物性估算中的应用(如有机物的临界参数、常压凝固点、闪点、比容积及偏心因子等),并对该法与单一的基团贡献法、人工神经网络法进行了简单比较。最后对基团贡献人工神经网络集成法的发展方向进行了展望。(本文来源于《中国胶粘剂》期刊2015年04期）
梁军,沙志强,陈龙[6]（2012）在《基于人工神经网络的驾驶行为动态集成学习算法》一文中研究指出针对传统驾驶决策模型难以体现驾驶员驾驶过程中对交通环境的感知、判断、决策、动作等环节存在不确定性和不一致性,提出了一种基于神经网络的驾驶行为动态集成学习算法——DNNIA.首先训练多个个体网络模拟驾驶行为,然后动态选择泛化误差E最小的个体网络进行集成,采用拉格朗日函数法求解最优集成权系数ωi,并引入agent联盟的思想,把联盟中的个体网络对应的神经元输出做加权平均后,取最大值作为输出.在标准数据集上验证了该算法的有效性,仿真实验中得到的驾驶员踩踏踏板的习惯行为仿真结果与实际采集的样本数据总体趋势基本吻合.(本文来源于《交通运输系统工程与信息》期刊2012年02期）
徐敏[7]（2012）在《基于人工示例训练的神经网络集成入侵检测》一文中研究指出提出一种基于人工示例训练的神经网络集成入侵检测方法。使用不同的训练数据集训练不同的成员网络,以此提高成员网络之间的差异度。在保证成员网络个数的基础上,选择差异度较大的成员网络构成集成,以提高系统的整体性能。实验结果表明,与当前流行的集成算法相比,该方法在保证较高入侵检测率的前提下,可保持较低的误检率,并对未知入侵也具有较高的检测率。(本文来源于《计算机工程》期刊2012年06期）
李倩,胡邦辉,王学忠,顾锦荣[8]（2011）在《基于BP人工神经网络的区域温度多模式集成预报试验》一文中研究指出基于T213L31、T106L19和欧洲中期预报中心数值预报产品,应用BP人工神经网络技术,建立了850 hPa高度区域温度集成预报模型,并进行了检验。结果表明:该模型能比较准确地预报强冷空气活动过程中冷中心及温度槽脊的位置和强度,预报结果的平均绝对误差明显小于3个子模式,预报场与实况场的相关程度明显高于3个子模式,预报误差在我国华北北部、东北地区较小,在蒙新高地和帕米尔高原地区误差较大。模型实现了多模式产品的最优综合。(本文来源于《干旱气象》期刊2011年02期）
张全平,吴耿锋[9]（2008）在《基于人工免疫网络的神经网络集成方法》一文中研究指出提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。(本文来源于《计算机工程》期刊2008年23期）
庞玉成[10]（2008）在《基于人工神经网络的项目集成管理绩效评价研究》一文中研究指出在构建项目集成管理绩效评价指标体系的基础上,提出一种基于人工神经网络的绩效评价模型,利用神经网络的自学习和自适应能力,用经过训练的神经网络系统模拟专家的评价思想,从而对管理绩效做出科学评价。通过实际项目的数据验证,该评价模型较好地达到了预期要求。(本文来源于《施工技术》期刊2008年02期）
人工神经网络集成论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
BP神经网络算法具有寻优效率不高、易发生早熟且最终求解精度不够等特点,针对以上问题,文章提出一种基于改进二进制人工蜂群算法(Improved Binary Artificial Bee Colony Algorithm)的BP神经网络并行集成学习算法(IBABC-BP).首先,文章构建以高斯变异函数作为概率映射函数的离散二进制人工蜂群算法(IBABC),分析证明了算法的有效性,并通过在4个Benchmark标准测试函数上证明了其寻优精度和收敛速度较其他4种改进人工蜂群算法均有大幅提高;其次,将改进的二进制人工蜂群算法(IBABC)用于训练BP神经网络,设计了IBABC-BP并行集成学习算法;最后,将IBABC-BP算法用于雾霾评估预测,以合肥地区的雾霾历史数据作为仿真数据.实验结果表明,IBABC-BP算法在寻优精度和收敛速度上较原始BP算法、人工蜂群ABC-BP算法、遗传GA-BP算法等算法有明显的提升,可以有效地提高雾霾评估预测的准确性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人工神经网络集成论文参考文献
[1].王巍.基于人工神经网络和模拟集成的短期光伏发电预测[J].可再生能源.2019
[2].贾凯,倪志伟,李敬明,陆玉佳,朱旭辉.基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究[J].系统科学与数学.2019
[3].李晓岚,刘旸,栾健,马雁军,王扬锋.基于BP人工神经网络法沈阳市PM_(2.5)质量浓度集成预报试验[J].气象与环境学报.2018
[4].张维涛.基团贡献人工神经网络集成法估算有机物熔点的研究[D].中北大学.2015
[5].张维涛,于雁武.基团贡献人工神经网络集成法估算有机物物性研究进展[J].中国胶粘剂.2015
[6].梁军,沙志强,陈龙.基于人工神经网络的驾驶行为动态集成学习算法[J].交通运输系统工程与信息.2012
[7].徐敏.基于人工示例训练的神经网络集成入侵检测[J].计算机工程.2012
[8].李倩,胡邦辉,王学忠,顾锦荣.基于BP人工神经网络的区域温度多模式集成预报试验[J].干旱气象.2011
[9].张全平,吴耿锋.基于人工免疫网络的神经网络集成方法[J].计算机工程.2008
[10].庞玉成.基于人工神经网络的项目集成管理绩效评价研究[J].施工技术.2008