基于人工神经网络的负荷数据预处理

对历史负荷数据进行处理是提高电力系统负荷预测精度首先要解决的问题。脏数据处理的过程就是对于含有脏数据的负荷曲线模式的辨识过程。首先利用自适应共振网络(ART网)对日负荷曲线进行分类,确定出每一类负荷曲线的特征曲线;然后用超圆神经网络(CC网)对特征曲线进行脏数据辨识;最后利用扩展短期负荷预测方法对脏数据进行修正。对某市2002年8月份的数据进行脏数据辨识,结果证明所提出的模型对脏数据的平均检测率为92.11%,效果令人满意。采用该处理过的历史数据对某市2002年8月14日的负荷进行预测,结果表明,利用该方法处理后的数据进行负荷预测提高了负荷预测的精度。     

基于模糊理论的机动车辆风险评估

对机动车辆风险进行评估是车险费率厘定的一个重要环节.提出一种基于模糊理论的机动车辆风险评估方法(The Risk Assess of Motor Vehicle Based on Fuzzy Theory,简称RMFT),应用表明该方法在风险评估的精度上取得较好效果.     

模糊优化方法在泉港区大气环境质量评价中的应用

介绍一种能用于小样本条件下大气环境质量综合评价的模糊模式识别模型 ,并将所建立的模型用于福建省泉州市泉港区大气环境质量综合评价 .该模型具有方法严谨、结果客观、标准可靠、识别清楚等特点 .     

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

基于神经网络的肉类新鲜度辨识技术

提出了肉类新鲜度检测识别机理,构建了一套由气敏传感器阵列、数据采集单元、神经网络组成的智能检测辨识系统.通过猪肉样本的测试与分析表明,该方法可实时准确地识别肉类新鲜度.     

基于光电显微技术的猪肉新鲜度智能检测

通过对猪肉变质过程中生物化学机理分析,研究了猪肉脂肪组织细胞结构在氧化腐败过程中形态的特异变化.利用图像处理技术提取细胞组织特征信息,进行了聚类和分类判决,为猪肉新鲜度检测提供了一种新的辨识方法.