导读:本文包含了动态小波神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:神经网络,因素有效性,结构,腐蚀
动态小波神经网络论文文献综述
范峥,付文耀,赵笑男,李亚洲,李稳宏[1]（2018）在《基于小波神经网络预测多相动态管道腐蚀速率》一文中研究指出利用小波神经网络模型预测多相动态环境下油气集输管道腐蚀速率。首先通过室内多相动态腐蚀实验,获得了不同工况条件下的挂片腐蚀速率,用于训练和检验小波神经网络预测模型,然后利用多因子方差分析研究了温度、压力、流率、硫化氢含量、二氧化碳含量、溶解氧含量、含水率、盐含量和p H对腐蚀速率的影响程度,实现了各因素的有效性筛选,最后在确定隐含层节点数基础上通过训练、测试建立起适宜的小波神经网络预测模型,并进一步验证了模型可靠性。结果表明:除了压力外,各因素对腐蚀速率均有十分显着的影响,属于有效输入信号。当隐含层节点数为17时,8-17-1型小波神经网络结构表现出良好的准确性和稳定性。利用Levenberg Marquardt优化算法对模型进行了反复训练,直至其均方根误差小于容许收敛误差限0.001,预测值与实际值近似呈线性关系,训练、测试阶段决定系数分别为0.9992、0.9967,相关性较高,模型预测值和验证值亦不存在显着差异。因此小波神经网络预测模型对多相动态环境下油气集输管道腐蚀速率具有良好的预测能力。(本文来源于《化工进展》期刊2018年08期）
艾红,王发[2]（2018）在《动态递归小波神经网络在回转窑故障诊断中的应用》一文中研究指出针对回转窑作为一个复杂的非线性系统而难以提取有效故障特征的问题,构造了一种动态递归小波神经网络。采用基于梯度符号变化的变学习率以及引入动量项的算法,以回转窑窑尾温度、分解炉温度、窑尾负压、窑头负压、窑头温度、烧成带温度、窑电流、筒体表面温度8个物理量,作为神经网络的8个输入节点,将小波神经网络理论较好地应用在回转窑故障诊断中。归纳了回转窑的主要故障及现象。采用动态递归小波神经网络,从输出层反馈到输入层形成关联层,以存储上一时刻的输出信息。小波神经网络在网络训练时可以有效地利用输出信号。对回转窑故障数据进行归一化处理并作为网络的输入向量,再用小波函数代替神经网络中的激励函数,以故障序列作为网络的输出向量。试验仿真结果表明,该网络具有较好的故障识别率和时间收敛性能。(本文来源于《自动化仪表》期刊2018年05期）
赵慧青,万智萍[3]（2016）在《基于动态参数调整的小波神经网络盲均衡算法》一文中研究指出在传统小波神经网络盲均衡算法的基础上,提出一种基于动态参数调整的自适应步长盲均衡算法。根据均衡器输出信号的大小,并结合输出信号功率与收敛性质的关系,对迭代步长因子进行改进,实现迭代步长因子的动态调整。通过多组对比实验对可调参数进行优化选取,从而克服收敛速度与收敛精度相互制衡的问题。实验结果表明,该算法的性能指标与预期结果基本相符,尤其在迭代次数较多时,相比传统小波神经网络盲均衡算法,具有更快的收敛速度与更高的收敛精度。(本文来源于《计算机工程》期刊2016年06期）
李琛,尤轲,田俊超,马廉洁[4]（2015）在《基于小波神经网络的工程陶瓷动态车削力预测》一文中研究指出以小波分析和BP神经网络为基础,构建了小波神经网络预测模型。使用CA6140车床对氟金云母陶瓷进行了干车削试验,并用叁向测力仪测量了切削过程的切削力变化趋势。基于小波包中的Wpbmpen函数对切削力信号进行了降噪处理,切削力信号在降噪后有明显改善,能更形象地表达出切削力的变化趋势。基于小波神经网络对切削力进行了预测,结果表明:小波神经网络预测值、信号降噪处理值和试验值都非常相近,说明切削力在预测过程中具有一定的可靠性,小波神经网络预测前对切削力信号的降噪处理是合理的。(本文来源于《工具技术》期刊2015年09期）
张文芬,杨家其[5]（2015）在《基于小波神经网络的海上突发事件应急资源动态需求预测》一文中研究指出近年来海洋综合开发势头迅猛,海上船舶运输业的发展迅速,然而在创造可观的经济效益和社会效益的同时,海上险情事故频发,应急资源需求复杂多变。本文尝试将小波理论应用于海上应急管理领域,运用小波神经网络模型预测未来周期内的海域险情事故数。在海域险情事故预测的基础上,结合应急资源种类、海域的风险程度等影响因素,引入平均风险月度系数,构建了海上突发事件应急资源动态需求概念模型,间接预测应急资源需求,并提出部分可替代应急资源需求的预测思路。并以山东海事辖区为例,验证了该方法的有效性和可行性。(本文来源于《运筹与管理》期刊2015年04期）
王鑫,李丽宏[6]（2015）在《小波神经网络在动态汽车衡称量数据处理中的应用》一文中研究指出通过分析称重信号的数据波形图,发现数据当中掺杂着大量噪声信号,这在很大的程度上影响称重结果。通常使用的滤波方法能在一定范围内消除噪声信号,但是在路面不平、车辆振动的情况下,称量结果不稳定。针对这种情况提出了小波神经网络算法对称重数据信号进行去除噪声处理。实验仿真得出,利用小波神经网络算法对称重信号进行处理后,相对于传统的去噪滤波方法,能得到更理想的数据波形,使得称重结果与实际值的误差在±2%内。(本文来源于《仪表技术与传感器》期刊2015年03期）
邬肖敏,李世平,程双江[7]（2014）在《基于小波神经网络和PSO的动态误差溯源方法研究》一文中研究指出针对动态测试系统在测试过程中出现的精度损失问题,提出一种基于小波神经网络和粒子群优化算法相结合的动态误差溯源方法。该方法基于全系统动态精度理论,通过设计小波神经网络对动态测试系统的输出总误差进行分解,并采用粒子群优化算法对分解结果进行分析,追溯到误差产生的模块。仿真结果表明:该方法能够快速有效地完成误差溯源,并且溯源准确度达到10-2,具有可行性和应用性。(本文来源于《中国测试》期刊2014年06期）
孙国祥,闫婷婷,汪小旵,陈满,张瑜[8]（2014）在《基于小波变换和动态神经网络的温室黄瓜蒸腾速率预测》一文中研究指出针对作物蒸腾速率与温室环境参数间非线性耦合时延性关系,以温室环境参数:空气温度、空气湿度、太阳辐射度、土壤温度、叶面温度、土壤含水量的时间序列为输入量,温室黄瓜蒸腾速率时间序列为输出量,采用小波分解重构方法,分别建立低频时间序列和高频时间序列的非线性自回归动态神经网络(NARX)子网络预测模型,以子网络的预测迭加值为蒸腾速率预测值。结果表明:1层小波分解重构的低频时间序列A1和高频时间序列D1的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.949和0.853,平均绝对误差(MAE)分别为5.36和2.00 g·h-1。2层小波分解重构的低频时间序列A2和高频时间序列D2的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.983和0.849,MAE分别为2.88和2.56 g·h-1。1层小波分解重构的时间序列的NARX子网络预测值合成值(A1+D1),2层小波分解重构的时间序列的NARX子网络预测值合成值(A2+D2+D1)和未小波分解重构的原时间序列的NARX预测值与蒸腾速率测量值间相关性决定系数R2分别为0.945、0.974和0.857,MAE分别为5.76、4.42和10.09 g·h-1。小波分解重构的高频和低频时间序列预测合成,能够提高时间序列的预测准确性。同时采用相同网络结构的BP神经网络和NAR动态神经网络预测蒸腾速率时间序列,其预测值与测量值间决定系数R2分别为0.596和0.839,MAE分别为19.55和9.45 g·h-1。NARX预测性能优于NAR和BP神经网络的预测性能,能够应用该方法预测温室黄瓜的蒸腾速率。该方法可推广至多变量非线性强耦合时延性系统中的变量预测。(本文来源于《南京农业大学学报》期刊2014年05期）
李翔,朱全银[9]（2014）在《基于动态基函数的强回归小波神经网络》一文中研究指出针对小波神经网络(wavelet neural network,WNN)难以选取合适小波基函数和确定隐含层节点数等问题,提出使用集成学习改进小波神经网络的方法,提高小波神经网络容错能力和自学习能力.本方法首先通过降维、归一化预处理样本数据并确定测试数据分布权值;然后通过随机选取不同的小波基函数构造出异构小波神经网络序列并反复训练样本数据;最后使用AdaBoost算法集成学习生成强回归小波预测器.对UCI数据库中数据集进行仿真验证,实验结果表明:本方法比传统小波神经网络预测平均误差减少30%以上,有效地提高了小波神经网络的预测精度和泛化能力.(本文来源于《北京工业大学学报》期刊2014年07期）
刘聪聪[10]（2014）在《小波神经网络算法及其在交通流宏观动态特性中的应用》一文中研究指出随着科学技术的不断进步，国家的工业化水平得到提升，大大促进了经济的发展，汽车行业在这个过程中获得机遇。然而，这种发展给社会带来了诸多问题，如能源过度消耗、大气污染、交通拥堵等，其中交通拥堵带来的损失不可估量。研究交通拥堵问题，主要是针对道路交通流的整体运行情况进行研究，交通流数据中宏观动态特性主要是指交通流宏观参数即交通流量和速度的变化，它们易于获得而且能较好表征交通流的状态。交通流宏观参数具有很强的随机性、非线性等特点，但是在短期内又具有一定的准周期性。分析交通流动态宏观特性的典型代表方法分为两种：有数学模型的ARIMA和无数学模型的神经网络。传统的分析方法存在很多的不足，一些非线性、非平稳数据分析需要多种综合的方法，这些系统模型很难用确切的数学模型表达出来，而神经网络不需要建立精确数学模型，并且能够达到较好的效果。本文采用小波神经网络对历史交通流数据进行分析，主要研究工作如下：①首先对神经网络原理、小波知识进行介绍，对小波神经网络进行研究，然后建立小波神经网络模型；对采集到的GPS交通流数据进行预处理，包括数据异常修复、错误替换等操作，通过测试数据对小波神经网络模型进行仿真实验。②针对误差较大的问题，首先采用增加动量项、动态学习系数等方法对小波神经网络算法进行改进；然后针对小波神经网络存在的缺陷进行分析，采用遗传算法对小波神经网络进行优化，针对遗传算法中的交叉率和变异率采用改进的动态自适应算法，并对改进的算法进行验证。③采用改进后的概率统计算法，实现交通流数据的电子地图匹配系统。通过遗传算法优化后的小波神经网络，对交通流宏观参数历史数据进行仿真，分析其变化规律；然后介绍城市道路交通状态，分析宏观参数的变化对道路交通状态的影响，最后得出结论并对今后工作进行展望。(本文来源于《重庆大学》期刊2014-04-01）
动态小波神经网络论文开题报告
（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：
针对回转窑作为一个复杂的非线性系统而难以提取有效故障特征的问题,构造了一种动态递归小波神经网络。采用基于梯度符号变化的变学习率以及引入动量项的算法,以回转窑窑尾温度、分解炉温度、窑尾负压、窑头负压、窑头温度、烧成带温度、窑电流、筒体表面温度8个物理量,作为神经网络的8个输入节点,将小波神经网络理论较好地应用在回转窑故障诊断中。归纳了回转窑的主要故障及现象。采用动态递归小波神经网络,从输出层反馈到输入层形成关联层,以存储上一时刻的输出信息。小波神经网络在网络训练时可以有效地利用输出信号。对回转窑故障数据进行归一化处理并作为网络的输入向量,再用小波函数代替神经网络中的激励函数,以故障序列作为网络的输出向量。试验仿真结果表明,该网络具有较好的故障识别率和时间收敛性能。
（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。
动态小波神经网络论文参考文献
[1].范峥,付文耀,赵笑男,李亚洲,李稳宏.基于小波神经网络预测多相动态管道腐蚀速率[J].化工进展.2018
[2].艾红,王发.动态递归小波神经网络在回转窑故障诊断中的应用[J].自动化仪表.2018
[3].赵慧青,万智萍.基于动态参数调整的小波神经网络盲均衡算法[J].计算机工程.2016
[4].李琛,尤轲,田俊超,马廉洁.基于小波神经网络的工程陶瓷动态车削力预测[J].工具技术.2015
[5].张文芬,杨家其.基于小波神经网络的海上突发事件应急资源动态需求预测[J].运筹与管理.2015
[6].王鑫,李丽宏.小波神经网络在动态汽车衡称量数据处理中的应用[J].仪表技术与传感器.2015
[7].邬肖敏,李世平,程双江.基于小波神经网络和PSO的动态误差溯源方法研究[J].中国测试.2014
[8].孙国祥,闫婷婷,汪小旵,陈满,张瑜.基于小波变换和动态神经网络的温室黄瓜蒸腾速率预测[J].南京农业大学学报.2014
[9].李翔,朱全银.基于动态基函数的强回归小波神经网络[J].北京工业大学学报.2014
[10].刘聪聪.小波神经网络算法及其在交通流宏观动态特性中的应用[D].重庆大学.2014