导读:本文包含了模糊神经网络预测算法论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊神经网络,RTT,智能预测算法
模糊神经网络预测算法论文文献综述
靳丹,王琼,杨仕博[1]（2019）在《基于模糊神经网络的RTT智能预测算法研究》一文中研究指出随着智能技术的不断发展,如今在解决生活中的问题时已经开始使用智能算法来进行。模糊神经网络作为一种智能算法,可以用来计算RTT。那么就可以在网络拥塞问题控制中发挥重要作用。本文将对基于模糊神经网络的RTT智能预测算法进行研究,最终经过实验表明,能够得到较好的预测结果。(本文来源于《中国新通信》期刊2019年16期）
李志鹏,张智瀚,王睿,陈堂贤[2]（2019）在《基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型》一文中研究指出风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出了一种基于变分模态分解(VMD)和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解技术将原始风速序列分解为一系列子序列,而后对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,同时克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对变分模态分解后的各子序列进行预测,最后将预测后的各子序列迭加得到最终预测结果。为测试模型的有效性,选择宁夏地区3组实际风电数据进行模拟试验,将ANFIS,VMD-ANFIS,VMD-WOA-ANFIS与提出模型进行对比,结果表明所提出的混合模型预测精度明显高于其他对比模型。(本文来源于《电力与能源》期刊2019年03期）
张坤,杨艳明,郑伟,高晓红[3]（2019）在《量子遗传算法和模糊神经网络结合的预测模型》一文中研究指出为解决网络流量时间序列的预测问题,针对传统模糊神经网络通常使用梯度下降法作为搜索算法容易陷入局部极小值的不足,文章提出了一种量子遗传算法与模糊神经网络相结合的网络流量时间序列预测模型。该算法利用量子遗传算法优化模糊神经网络的权值,对实际采集的网络流量时间序列进行建模。最后,预测结果表明模型具有较好的预测精度和效果。(本文来源于《统计与决策》期刊2019年12期）
许鹏[4]（2019）在《基于L-M算法的模糊神经网络预测控制及初值问题研究》一文中研究指出随着科技发展以及工业产品日益复杂化,传统PID控制已经难以满足工业生产过程中对控制精度及速度等指标的要求。在此背景下,具有良好控制性能的预测控制方法得到广泛应用。但实际生产对象多为强非线性对象,使得建立精确的预测模型存在难点,并且滚动优化求解控制量也异常复杂。针对上述问题,本文开展预测控制中的非线性系统的建模方法和局部优化算法求解控制量问题研究。具体的研究内容如下:(1)利用BP、RBF、模糊神经网络分别建立了一步及多步预测模型;并对模糊神经网络进行改进,提出一种规则自动生成的自适应模糊神经网络,并分别进行对比实验,最终选取预测精度相对较高的改进模糊神经网络用于预测模型的搭建。(2)采用L-M算法作滚动优化,建立基于L-M算法的模糊神经网络两步预测控制器,并按照相关文献所提出的将L-M算法初值选在上一时刻的控制量,仿真发现,控制器无法有效跟踪参考输出,导致控制性能下降。(3)详细分析了初始值问题的产生原因,并论证了将最优性能点作为初始点的可行性,并提出两种初始值动态确定的方法,即搭建逆神经网络法、GA算法求解,再通过对目标函数中的权重因子进行动态调整,从而保证在最优性能点与最小控制量点之间存在极值;在此基础上细致分析了改进后预测控制器的结构、算法,并验证了系统的稳定性,通过仿真实验对比,结果表明本文设计的IBP-LM-FNN以及GA-LM-FNN神经网络预测控制器控制性能良好,可解决传统L-M算法的初始值选取问题。(4)将所设计的IBP-LM-FNN预测控制器应用于p H中和过程,通过实验仿真结果可以看出,该方法相比于传统的线性模型预测控制器以及基于梯度算法的模糊预测控制器,响应速度快,调节时间短,具有较强鲁棒性。(本文来源于《安徽工业大学》期刊2019-04-10）
李明晓,张恒才,仇培元,程诗奋,陈洁[5]（2018）在《一种基于模糊长短期神经网络的移动对象轨迹预测算法》一文中研究指出预测移动对象未来某时刻位置能够为城市规划与管理、城市公共安全、城市应急指挥等提供重要的决策依据,也可为个性化信息推荐、广告定投等基于位置的服务应用提供技术支持。已有预测算法多采用固定格网剖分,位置相近轨迹点常被划分至不同格网,使得潜在轨迹模式被忽略,降低了预测精度。此外,已有预测模型不能有效学习到长序列轨迹有效信息,造成长期依赖问题。本文提出一种基于模糊长短时记忆神经网络(fuzzy long short term memory network,Fuzzy-LSTM)模型的移动对象轨迹预测算法,引入模糊轨迹概念解决固定格网剖分所导致的尖锐边界问题,并对传统LSTM进行改进,综合利用移动对象历史轨迹邻近性和周期性出行特征,提高移动对象轨迹位置预测精度。最后,采用某市10万用户连续15个工作日的移动通讯信令轨迹数据集对方法进行试验分析。结果表明,本文方法在30min预测周期内的预测平均准确率达到83.98%,较经典的Na6ve-LSTM预测模型和NLPMM预测模型分别提高了4.36%和6.95%。(本文来源于《测绘学报》期刊2018年12期）
赵芝璞,高超,沈艳霞,陈杰[6]（2018）在《基于关联模糊神经网络和改进型蜂群算法的负荷预测方法》一文中研究指出为提高负荷预测精度,考虑历史负荷数据之间相关联的特性,利用关联模糊神经网络建立了负荷预测模型。与其他负荷预测方法相比,基于关联模糊神经网络和改进型蜂群算法的负荷预测方法,减少了模型所需要的模糊规则的数量,降低了模型的复杂度。将该方法应用于某地实际负荷预测,数值结果表明,该方法具有较高的预测精度。(本文来源于《中国电力》期刊2018年02期）
高君[7]（2017）在《模糊神经网络预测算法改进及应用》一文中研究指出模糊神经网络是人工神经网络领域的一个重要分支,并且广泛的应用于系统控制、建模等问题当中,并取得了不俗的成就。不过面对维度高、关联性低的数据时,因为某个结果只和数据中的一项或几项相关,所以模型的预测结果差,生成过多的模糊规则也不易于被人理解。就存在的一些相应问题,本文对其进行相应讨论与研究,包括:输入向量的选取方式、模糊神经网络的学习能力、模糊集合的划分、模糊规则的生成方式及误差等问题。本论文的工作内容包括:1、研究了国内外模糊神经网络的现状,研究了国内外教育数据的挖掘技术,并指出了理论与应用中存在的一些问题。2、针对存在的问题,比较了多种模型,在自适应模糊神经推理系统(Adaptive Network-based Fuzzy Inference System)的基础之上,对模糊神经网络模型进行了适当的改进,使其更适用于高维度、低关联的数据,可以找出数据中关联性较大若干数据项,描述其关系,并生成易于人理解的知识。3、使用修改后的自适应神经模糊推理系统,进行计算机验证,生成若干输入变量,其中一部分与输出变量有关,一部分与输出变量无关,寻找出与输出变量有关的输入量并做出相应解释。4、将模型应用在大学生的教育数据上,根据各科成绩的相关性,做出相应的成绩预测。以某些先导课程的成绩来预测学生将来某些科目的成绩,解决了传统神经网络,在高维度输入时,训练时间过长,预测结果较差的弊端。新的方法能够寻找各种的科目成绩之间的关系,并做出了相应解释,预测的精度更高,误差更小,而且有较强的解释性。(本文来源于《吉林大学》期刊2017-04-01）
李华杰[8]（2016）在《基于T-S模糊神经网络预测算法的管道泄漏定位研究与分析》一文中研究指出长输管道的泄漏检测和定位对管道安全平稳运行意义极其重大,在以软件计算为主的检测方法里,模糊神经网络模型综合了模糊算法和神经网络模型的优点,能较好地适应长输管道的非线性特征。本文采用中亚地区某管道某相邻两站场的历史数据训练基于高木-关野(Takagi-Sugeno)模糊神经网络的预测模型,使用STONER管道仿真软件产生实时数据,用一种较简单的软方法较好的实现管道泄漏定位,该种方法对中亚某长输管道这类没有专门硬件泄漏检测设备和系统的管线有一定的实用意义。(本文来源于《计算技术与自动化》期刊2016年03期）
罗频捷,温荷,万里[9]（2016）在《基于遗传算法的模糊神经网络公交到站时间预测模型研究》一文中研究指出公交到站时间的预测受到诸多因素的影响,各种因素对预测准确度不可度量,很难采用传统数学模型进行建模解决。采用基于遗传算法的模糊神经网络模型对公交到站时间进行预测,该模型将遗传算法和模糊推理系统融入多层前馈神经网络中,并通过模糊规则的隶属度进行初始化与更新网络各个参数初始值,同时利用多子群自适应遗传算法进行宏观搜索,提高整个网络的寻优能力。模型以成都市某线路公交运行时间预测为例对其进行了模拟仿真,仿真结果表明基于遗传算法的模糊神经网络公交到站时间预测模型具有较高的准确性与可靠性。(本文来源于《计算机科学》期刊2016年S1期）
吴钢,徐枫,王冰,徐偲喆[10]（2016）在《基于遗传算法和模糊聚类算法的改进BP神经网络风速预测》一文中研究指出针对BP神经网络风速预测中存在的结构不确定以及网络过度拟合的问题,利用遗传算法的全局搜索能力和模糊聚类算法的数据筛选能力,分别对BP神经网络的结构与数据进行双重优化,提出了基于遗传算法和聚类算法的改进BP神经网络风速预测方法。仿真表明,改进风速后的预测方法大大提高了风速预测的准确性。(本文来源于《电子设计工程》期刊2016年11期）
模糊神经网络预测算法论文开题报告
（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：
风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出了一种基于变分模态分解(VMD)和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解技术将原始风速序列分解为一系列子序列,而后对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,同时克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对变分模态分解后的各子序列进行预测,最后将预测后的各子序列迭加得到最终预测结果。为测试模型的有效性,选择宁夏地区3组实际风电数据进行模拟试验,将ANFIS,VMD-ANFIS,VMD-WOA-ANFIS与提出模型进行对比,结果表明所提出的混合模型预测精度明显高于其他对比模型。
（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。
模糊神经网络预测算法论文参考文献
[1].靳丹,王琼,杨仕博.基于模糊神经网络的RTT智能预测算法研究[J].中国新通信.2019
[2].李志鹏,张智瀚,王睿,陈堂贤.基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型[J].电力与能源.2019
[3].张坤,杨艳明,郑伟,高晓红.量子遗传算法和模糊神经网络结合的预测模型[J].统计与决策.2019
[4].许鹏.基于L-M算法的模糊神经网络预测控制及初值问题研究[D].安徽工业大学.2019
[5].李明晓,张恒才,仇培元,程诗奋,陈洁.一种基于模糊长短期神经网络的移动对象轨迹预测算法[J].测绘学报.2018
[6].赵芝璞,高超,沈艳霞,陈杰.基于关联模糊神经网络和改进型蜂群算法的负荷预测方法[J].中国电力.2018
[7].高君.模糊神经网络预测算法改进及应用[D].吉林大学.2017
[8].李华杰.基于T-S模糊神经网络预测算法的管道泄漏定位研究与分析[J].计算技术与自动化.2016
[9].罗频捷,温荷,万里.基于遗传算法的模糊神经网络公交到站时间预测模型研究[J].计算机科学.2016
[10].吴钢,徐枫,王冰,徐偲喆.基于遗传算法和模糊聚类算法的改进BP神经网络风速预测[J].电子设计工程.2016