基于改进CS优化BP神经网络的降水量预测模型

针对传统BP神经网络易陷入局部极值和连接权值难以确定的问题,提出了一种基于融合PSO(Particle Swarm Optimization)和CS(Cuckoo Search)的混合算法优化设计BP神经网络(PCS-BP)的预测模型.该优化方法主要利用混合算法优秀的全局搜索能力和收敛速度设计优化BP神经网络的连接权值和网络结构,解决了BP神经网络由于参数随机取值引起的网络震荡和过拟合的问题,提高了预测模型的准确性.结合具体实例,分别采用BP神经网络、CS-BP模型和PCS-BP模型对汉中地区的月降水量进行预测,实验结果表明,PCS-BP的平均绝对误差(MAE)为0.3966,均方根误差(RMSE)为2.3793,平均绝对百分比误差(MAPE)为0.46%,均优于其他模型,具有较好的预测能力.     

一种采用互补结构的宽阻带共模缺陷地滤波器

为了抑制高速差分信号传输中的共模噪声, 提出了一种基于低成本FR4材料制作的互补型缺陷地结构(defected ground structure, DGS)共模阻带滤波器. 滤波器两边采用对称性酒杯形DGS结构, 中间采用对称伞形DGS结构. 由于这两种DGS 结构互补, 整个滤波器结构紧凑, 可以实现小面积设计目的; 另外, 由于三个DGS结构相邻较近, 相互之间存在互感, 可以通过改变相互之间的距离来调节相互之间的互感, 从而实现宽阻带滤波的目的. 仿真和测试结果表明, 该DGS滤波器的差模信号损耗小, 在抑制共模噪声20 dB条件下其阻带范围为4.8–11.4 GHz, 而且面积仅为10 mm×10 mm. 与周期性DGS结构相比, 本方法在相同共模噪声抑制深度下, 具有占用面积不到30%、阻带宽度增加约50%等优点.