黑龙江省教育厅科学技术研究项目(12511049)
- 作品数：6 被引量：91H指数：4
- 相关作者：王福林王吉权邱立春吴昌友田占伟更多>>
- 相关机构：东北农业大学沈阳农业大学更多>>
- 发文基金：黑龙江省教育厅科学技术研究项目国家自然科学基金黑龙江省社会科学基金更多>>
- 相关领域：自动化与计算机技术农业科学电气工程更多>>
- 基于改进BP神经网络的电力负荷预测被引量：18
- 2017年
- 在现有文献研究的基础上,对BP神经网络进行了深入研究,提出了一种新的LAFBP模型,给出了模型的标准BP算法、改进BP算法、权值和阈值的初始化方法.在此基础上,用新的LAFBP模型与传统的标准BP模型对黑龙江省巴彦县的电力负荷进行了预测.预测结果表明,新的LAFBP模型不仅克服了传统的BP模型外推效果不好的缺点,而且在模型的拟合精度、学习时间和学习次数方面明显优于传统的BP模型.
- 王吉权王福林董志贵汤岩田占伟吴昌友
- 关键词：BP神经网络激活函数负荷预测
- 萤火虫算法的改进分析及应用被引量：29
- 2014年
- 针对萤火虫算法(FA)在求解有约束全局优化问题时,存在初始种群不易产生、相对吸引力的大小与萤火虫的绝对亮度无关、惯性权重没有充分利用目标函数信息、不能更好地控制和约束萤火虫的移动距离等缺点,提出一种改进的萤火虫算法。首先,给出了一种基于遗传算法(GA)的初始种群产生方法,提高了初始种群的产生速度;其次,给出了一种基于目标函数的动态自适应惯性权重萤火虫算法,以提高萤火虫算法收敛速度;另外,给出了一种相对吸引力大小与萤火虫的绝对亮度有关的吸引力的计算方法;最后,为了控制和约束萤火虫位置的移动距离,将压缩因子引入到萤火虫算法的位置更新公式中,从而提高了算法收敛速度。4个测试函数的计算结果表明,与标准FA和基于惯性权重的萤火虫算法相比,改进的萤火虫算法运算速度明显提高,迭代次数明显减少,从而验证了改进萤火虫算法的有效性。
- 王吉权王福林
- 关键词：萤火虫算法初始种群惯性权重
- 基于LM-BP神经网络的农机总动力预测被引量：4
- 2017年
- 利用黑龙江省1983-2013年农机总动力数据,运用标准BP神经网络和LM-BP神经网络对黑龙江省未来5年的农机总动力进行预测。预测结果表明:在达到相同的误差目标值(即计算期望精度),LM-BP神经网络与标准PB相比,具有更快的收敛速度。如果需进一步减小误差目标值(即提高计算期望精度)时,标准BP神经网络在16h内都无法满足给定的精度要求;而LM-BP神经网络在20s内即可满足给定的精度要求。此时,LMBP神经网络的收敛速度优势非常明显,而拟合的精度也进一步提高,表明LM-BP神经网络具有较高的预测精度。准确的预测黑龙江省农机总动力,可为黑龙江省农业机械化发展规划的制定和近阶段农业机械化的发展水平提供参考依据。
- 张力王福林刘宇燕孙婷
- 关键词：农机总动力
- BP神经网络最佳停止法对农机总动力的预测被引量：5
- 2017年
- 在分析和研究了基于神经网络的农机总动力预测的基础上,指出了神经网络传统预测方法预测精度低的原因是神经网络训练阶段和预测阶段的矛盾性。通过一系列实验表明:随着拟合误差的逐渐减小,预测误差出现了先下降后上升的规律,即所谓的"过拟合"问题。为了解决这个问题,应用最佳停止法对农机总动力进行预测,该方法把样本集分成训练样本集、确认样本集及验证样本集3部分。在训练过程中监测训练样本集和确认样本集的误差,当确认样本集的误差连续20次不减小时,退出训练,返回最小确认样本集误差所对应的网络数据,并用验证样本集来检验最佳停止法的预测精度。实验数据表明:最佳停止法避免了网络出现的"过拟合"问题,有效提高了预测精度。最后,用这个训练好的网络模型预测了黑龙江省2015-2020年的农机总动力。
- 何志连王福林董慧英王会鹏
- 关键词：农机总动力神经网络时间序列过拟合
- 基于BP神经网络的农机总动力预测被引量：36
- 2011年
- 分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨。根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络。在此基础上,推导了相应的计算公式,并分别以单极性S型函数和y=x作为传递函数,对于具有增长趋势的农机总动力预测问题进行了实例计算。计算结果表明,以y=x作为传递函数的BP神经网络在外推效果、训练样本的数据处理区间影响方面明显优于S型传递函数的BP神经网络,并且克服了S型传递函数的BP神经网络在预测问题中存在的不足。
- 王吉权王福林邱立春
- 关键词：农机总动力传递函数BP神经网络
- 单点交叉多子代遗传算法被引量：3
- 2015年
- 在现有文献研究的基础上,对传统遗传算法作了进一步研究,依据生物进化理论,提出了一种单点交叉多子代遗传算法,并给出了多子代的产生方法.单点交叉多子代遗传算法所产生的子代个体数量与传统遗传算法相比明显增多,这样不但可增大产生更优秀个体的可能性,而且使得种群竞争更激烈,故可使传统遗传算法的性能得到更好的改善.4个测试函数的测试结果表明,本文给出的单点交叉多子代遗传算法比传统遗传算法的运算速度明显提高,迭代次数明显减少,从而验证了本文提出的单点交叉多子代遗传算法的有效性。
- 王吉权王福林朱会霞
- 关键词：遗传算法种群竞争
