国家自然科学基金(61203099)

作品数：9被引量：77H指数：6
导出分析报告
相关作者：乔俊飞韩红桂安茹李荣付文韬更多>>
相关机构：北京工业大学北京农业职业学院更多>>
相关期刊：《Chinese Journal of Chemical Engineering》《控制与决策》《信息与控制》《化工学报》更多>>
相关主题：出水RBF神经网络氨氮软测量径向基函数网络更多>>
相关领域：自动化与计算机技术环境科学与工程建筑科学更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-9
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
改进K-means算法优化RBF神经网络的出水氨氮预测被引量：16
《控制工程》2018年第3期375-379,共5页乔俊飞 孙玉庆 韩红桂 
国家自然科学基金(61203099,61225016);北京市科技计划课题(Z141100001414005,Z141101004414058);中国博士后科学基金资助项目(2014M550017,XJ2013018);北京市科技新星计划(Z131104000413007);教育部博士点基金项目(20121103120020,20131103110016);北京市教委项目(km201410005001,KZ201410005002);北京市朝阳区博士后资助项目(2014ZZ-05);北京市朝阳区协同创新项目(ZH14000177)
为提高污水处理过程中出水氨氮的预测精度，并针对RBF神经网络参数难以确定的问题，提出一种改进K-means算法优化RBF神经网络的氨氮预测算法。首先，计算每个样本点的密度值，以其大小是否满足一个阈值为条件，判定该点是否为孤立点或...
关键词：氨氮预测 RBF神经网络 K-MEANS算法 密度指标 
基于T-S模糊神经网络的PM2.5预测研究被引量：8
《控制工程》2018年第3期391-395,共5页乔俊飞 蔡杰 韩红桂 
国家自然科学基金(61203099,61225016);北京市科技计划课题(Z141100001414005,Z141101004414058);中国博士后科学基金资助项目(2014M550017,XJ2013018);北京市科技新星计划(Z131104000413007);教育部博士点基金项目(20121103120020,20131103110016);北京市教委项目(km201410005001,KZ201410005002);北京市朝阳区博士后资助项目(2014ZZ-05);北京市朝阳区协同创新项目(ZH14000177)
针对大气中PM2.5浓度难以预测的问题，提出了基于T-S模糊神经网络的PM2.5预测方法。首先，利用实测数据，基于偏最小二乘选取与PM2．5相关的辅助变量。其次，利用T-S模糊神经网络建立相关变量与PM2.5浓度之间的软测量模型，并利用历史...
关键词：PM2.5预测 偏最小二乘 辅助变量 T-S模糊神经网络 模型 
基于RBF神经网络的出水氨氮预测研究被引量：26
《控制工程》2016年第9期1301-1305,共5页乔俊飞 安茹 韩红桂 
国家自然科学基金(61203099,61225016);北京市科技计划课题(Z141100001414005,Z141101004414058);中国博士后科学基金资助项目(2014M550017,XJ2013018);北京市科技新星计划(Z131104000413007);北京市朝阳区博士后资助项目(2014ZZ-05);北京市朝阳区协同创新项目(ZH14000177)
针对污水处理中关键水质参数氨氮(NH4+-N)难以在线实时准确检测且实验室取样检测时间长,精度低等问题,提出了基于RBF神经网络的出水氨氮软测量模型研究。首先,选择出对出水氨氮影响较大的辅助变量去预测氨氮的变化,然后,利用梯度下降算...
关键词：径向基函数网络 梯度下降算法 氨氮预测 软测量 
基于SOTSFNN的溶解氧浓度控制方法被引量：7
《化工学报》2016年第3期960-966,共7页乔俊飞 付文韬 韩红桂 
国家自然科学基金项目(61533002,61203099,61225016);北京市科技新星计划项目(Z131104000413007);教育部博士点新教师基金项目(20121103120020);北京市教育委员会科研计划项目(KZ201410005002,km201410005001);北京市朝阳区协同创新项目(ZH14000177);高等学校博士学科点专项科研基金资助课题项目(20131103110016)
针对污水处理过程溶解氧浓度难以控制的问题,提出了一种基于自组织T-S模糊神经网络的控制方法。其实质是采用模糊规则层激活强度的方法,根据实际环境自适应的对神经元进行调整,构造合适的控制结构,从而提高控制精度。同时采用梯度下降...
关键词：神经网络 控制 溶解氧浓度 动态仿真 自组织算法 
基于改进的自适应粒子群算法的给水管网优化设计被引量：2
《北京工业大学学报》2014年第7期1035-1040,共6页乔俊飞 王超 刘昌芬 
国家自然科学基金资助项目(61203099);北京市自然科学基金资助项目(4122006)
针对粒子群算法在优化给水管网设计时易陷入局部最优难以寻找到最优解的问题,提出改进的动态自适应粒子群算法(modified dynamically adaptive particle swarm optimization,M-DAPSO).定义趋同因子和参数调整函数,使算法能根据种群内部...
关键词：给水管网 趋同因子 自适应粒子群算法 变异策略 
基于 ESN 的污水处理多变量自适应预测控制被引量：2
《信息与控制》2014年第3期368-373,380,共7页乔俊飞 王莉莉 韩红桂 
国家自然科学基金资助项目(61034008,61203099,61225016);北京市自然科学基金资助项目(4122006);教育部博士点新教师基金资助项目(20121103120020)
针对污水处理过程高度非线性、大滞后等特征,提出了一种基于回声状态网络(echo state network,ESN)模型的多变量自适应预测控制系统.首先,利用ESN建立污水处理过程的智能预测模型,该模型能够预测污水处理的输出;其次,设计污水处理过程的...
关键词：污水处理过程 ESN(echo state network)辨识器 ESN预测模型 多变量预测控制 
基于EKF的自组织T-S模糊Elman网络被引量：6
《控制与决策》2014年第5期853-859,共7页乔俊飞 袁喜春 韩红桂 
国家自然科学杰出青年基金项目(61225016);国家自然科学基金重点项目(61034008);国家自然科学基金项目(61203099);北京市自然科学基金项目(4122006);教育部博士点新教师基金项目(20121103120020)
针对模糊神经网络结构设计问题及模糊集在语言描述上存在的不足,提出一种基于扩展的卡尔曼滤波(EKF)的自组织T-S模糊Elman网络,并推导了网络训练算法.分别采用递归最小二乘法和EKF对线性参数和非线性参数进行更新;基于模糊规则生成准则...
关键词：自组织T-S模糊Elman网络 扩展的卡尔曼滤波 误差下降率 软测量 函数逼近 
一种改进型离散Hopfield学习算法被引量：9
《控制与决策》2014年第2期241-245,共5页李荣 乔俊飞 韩红桂 
国家自然科学基金重点项目(61034008);国家自然科学基金项目(61203099);北京市自然科学基金项目(4122006);教育部博士点新教师基金项目(20121103120020)
针对离散Hopfield神经网络(DHNN)的权值设计问题,提出一种改进型学习算法,并在DHNN动力学分析的基础上设计该学习算法.利用矩阵分解的方法(MD)得到正交矩阵,并采用得到的正交矩阵直接计算DHNN的权值矩阵.通过该学习算法得到的权值矩阵,...
关键词：离散HOPFIELD神经网络 权值矩阵 矩阵分解 水质评价 
Soft Computing of Biochemical Oxygen Demand Using an Improved T–S Fuzzy Neural Network被引量：4
《Chinese Journal of Chemical Engineering》2014年第Z1期1254-1259,共6页乔俊飞 李微 韩红桂 
Supported by the National Natural Science Foundation of China(61203099,61034008,61225016);Beijing Science and Technology Project(Z141100001414005);Beijing Science and Technology Special Project(Z141101004414058);Ph.D.Program Foundation from Ministry of Chinese Education(20121103120020);Beijing Nova Program(Z131104000413007);Hong Kong Scholar Program(XJ2013018)
It is difficult to measure the online values of biochemical oxygen demand(BOD) due to the characteristics of nonlinear dynamics, large lag and uncertainty in wastewater treatment process. In this paper, based on the k...
关键词：BIOCHEMICAL oxygen DEMAND WASTEWATER treatment T–S fuzzy NEURAL network K-MEANS clustering 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部