摘要：以求解汽轮机变工况运行时的最优主蒸汽压力为目标,首先根据汽轮机运行数据,利用回声状态网络(ESNs)建立热耗率预测模型,然后利用改进的磷虾群优化(I-KH)算法的全局搜索能力,在可行的主蒸汽压力范围内对所建预测模型进行主蒸汽压力寻优,并将优化后的汽轮机滑压运行曲线与厂家设计压力曲线进行对比.结果表明:优化后机组各个负荷下对应的热耗率均有所下降;按照优化后的汽轮机滑压运行曲线运行可有效降低机组热耗率.

摘要：为了提高P2P流量预测的精度,提出一种基于小波变换和回声状态网络的流量预测模型。将原始P2P流量分解为不同尺度的高低频分量,根据不同分量的流量特性匹配不同参数的ESN模型分别预测,将多路预测结果整合输出。通过对不同P2P软件的流量预测结果表明,该模型的流量预测精度可达到98%以上,显著优于传统的ESN模型和最小二乘支持向量机模型。

摘要：为了提高短期交通流的预测精度,提出了一种基于小波包分解(wavelet packet decomposition,WPD)、粒子群优化(particle swarm optimization,PSO)算法和回声状态网(echo state network,ESN)的短期交通流预测方法。该方法命名为WPD-PSO-ESN。首先,在数据预处理阶段,采用小波包分解将交通流数据分解为不同频段的子序列,并将各子序列送入回声状态网预测模型;然后,在建立预测模型阶段,利用粒子群优化算法在线优化回声状态网的参数,以提高回声状态网的泛化能力和预测精度;进一步,针对粒子群优化算法存在的早熟收敛和易陷入局部最优的缺陷,通过检测粒子飞行过程中的状态信息,设计了惯性权重自适应调整策略,以期提高粒子群优化算法的寻优能力;最后,在结果输出阶段,采用加权平均法融合各子序列的预测值以得到模型的最终预测结果。试验结果表明:通过小波包分解和单支重构可以更加容易地抓住原始信号中的动态信息,更适合用于回声状态网的时间序列建模;带有自适应惯性权重调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的回声状态网模型精度更高;对于短期交通流预测,与前馈型误差反传神经网络、反馈型Elman神经网络和传统回声状态网等预测方法相比,WPD-PSO-ESN预测方法具有更高的预测精度,能够满足智能交通系统对预测精度的需求,对实现实时交通控制和建设智能交通系统具有重要意义。

摘要：在管道油气泄漏检测中最主要的难题是管道距离过长的问题,利用传统检测模式效果不好。提出一种基于光纤技术的管道油气泄漏共轭梯度回声状态网络(ESN)检测方法。首先,利用光纤探测技术对长距离油气管道的实时数据进行监测和采集,并利用数据串联方式,结合粗糙集算法对采集的泄露数据采样无标记数据的维度压缩方式,实现数据的降维和简化;其次,选取ESN对降维后的油气管道泄露数据进行分析和处理,并基于正则化方式对ESN的权重进行初步的优化,在此基础上利用Hessian矩阵的半正定性,对初步的权重结果进行深入的学习优化,实现ESN对油气管道泄露数据的识别能力;最后,通过实测的数据仿真验证,提出的油气管道的泄露监测模型具有更高的识别精度和计算效率。

摘要：针对污水处理过程具有非线性的特点,建立基于PSO-ESN神经网络的污水处理软测量模型,来对于污水处理关键水质参数BOD(Biochemical Oxygen Demand)进行预测。由于回声状态网络(Echo State Network,ESN)学习算法无法有效解决高维矩阵训练不可逆,采用基于粒子群优化算法对于回声状态神经网络输出权重进行训练,进而有效解决回声状态网络病态解的问题。仿真结果证明,所设计的基于关键水质参数生化需氧量(BOD)软测量模型,其应用在污水处理关键水质参数预测的有效性,且该软测量模型具有较高测量精度。

摘要：短期电力负荷容易受到自然因素及社会因素的影响,这使得负荷预测比较困难.为了提高短期负荷的预测精度,提出了基于相似日搜索的改进局部均值分解(ILMD)和回声状态网络(ESN)相结合的短期电力负荷预测模型.首先用模糊聚类分析将与预测日最相似的多个日期筛选出来.然后把这些相似日的整点负荷数据按照时间先后排成一组数据序列,用改进的LMD进行分解,对分解出的各个分量分别建立一个ESN网络,对每一个网络分别训练并进行预测.最后把每个网络的预测结果累加起来就是最终的预测值.实验证明此方法能有效提高预测精度.

摘要：开关磁阻电机(SRM)在低速运行时,高转矩脉动极大限制了在生产中的应用。针对基于线性电感模型转矩分配函数(TSF)控制得到的线性控制电流,难以有效控制强非线性特性SRM,所导致的转矩脉动较大的问题,文章提出基于回声状态网络(ESN)的电流控制策略,针对SRM非线性特性,设计实时得到由动态电感引起的非线性部分电流的控制器,其输出与TSF控制器的线性控制电流叠加得到复合控制电流,两个电流控制共同作用,提高系统动态性能,有效抑制转矩脉动。仿真结果验证了所提出的控制策略可以有效减小电机的转矩脉动。

摘要：针对光伏系统发电量的影响因素,提出一种基于经验模态分解(EMD)与回声状态网络(ESNs)的组合光伏系统短期发电功率预测方法。通过对同日类型的历史发电功率数据进行EMD,得到其不同尺度的周期分量和趋势分量;滤除其体现数据差异的各个较小周期分量,针对体现数据共性的分量建立ESNs预测模型;最后,将预测值与趋势分量组合得到最终的预测结果。预测结果对比分析表明:该方法与单一回声状态网络、BP神经网络和小波神经网络预测方法相比,计算速度快,预测精度高,稳定性好。

摘要：糖厂澄清工段是甘蔗制糖的重要工艺环节之一,是一个复杂的物理、化学过程,具有非线性、大时滞、时变等特点。而且不同的榨季、甘蔗的品种、新技术的应用等情况,都可能导致过去良好的控制模型往往不能及时适应新情况的发生。基于大量离线、在线数据,结合回声状态网络(ESN)和Kalman滤波(KF)的特点,设计了应用于糖厂澄清工段的在线自适应预测方法。该方法将Kalman滤波应用于ESN的高维状态空间中,可以直接对网络的输出权值进行更新。将仿真结果与基于EKF的RBF网络相比较,说明了基于KF与ESN的糖厂澄清工段在线预测模型的优越性。

摘要：近年来,随着恶意代码检测技术的提升,网络攻击者开始倾向构建能自重写和重新排序的恶意代码,以避开安全软件的检测。传统的机器学习方法是基于安全人员自主设计的特征向量来判别恶意代码,对这种新型恶意代码缺乏检测能力。为此,文中提出了一种新的基于代码时序行为的检测模型,并采用回声状态网络、最大池化和半帧结构等方式对神经网络进行优化。与传统的检测模型相比,改进后的模型对恶意代码的检测率有大幅提升。