研究与开发
|
基于BP神经网络和EKF神经网络在曲线拟合性能上的对比分析研究
张彬,陈晓宁,赵金龙,黄立洋
中国人民解放军理工大学国防工程学院,南京 210007
Comparison Analysis of the Performance on the Curve Fitting of BP Neural Network and EKF Neural Network
Zhang Bin,Chen Xiaoning,Zhao Jinlong,Huang Liyang
PLA University of Science and Technology, nanjing 210007
摘要 本文首先介绍了曲线拟合的相关含义,接着讨论了BP 神经网络和EKF神经网络的原理,研究对比分析了BP神经网络和EKF神经网络在曲线拟合性能,通过Matlab仿真实验表明,EKF算法能更好的对系统进行辨识,具有较高的收敛性。
关键词 :
BP神经网络 ,
EKF神经网络 ,
曲线拟合 ,
Matlab仿真
Abstract :This paper firstly describes the underlying meaning of curve fitting, then discuss the principle of BP neural network and EKF neural network. The paper studies the curve fitting performance of BP neural network and EKF neural network, through Matlab simulation results, the EKF algorithm can better identifies the system and has a higher convergence.
Key words :
BP neural
EKF neural network
curve fitting
Matlab simulation
出版日期: 2014-11-04
作者简介 : 张彬(1989-)男,安徽蚌埠人,现在解放军理工大学电力系统及其自动化专业学习。
引用本文:
张彬,陈晓宁,赵金龙,黄立洋. 基于BP神经网络和EKF神经网络在曲线拟合性能上的对比分析研究[J]. 电气技术, 2014, 15(07): 15-17.
Zhang Bin,Chen Xiaoning,Zhao Jinlong,Huang Liyang. Comparison Analysis of the Performance on the Curve Fitting of BP Neural Network and EKF Neural Network. Electrical Engineering, 2014, 15(07): 15-17.
链接本文:
http://dqjs.cesmedia.cn/CN/Y2014/V15/I07/15
[1] 阎平凡.人工神经网络与模拟进化计算[M].北京:清华大学出版社,2000. [2] 尹念东. BP神经网络的应用设计[J]. 信息技术, 2003, 27(6): 18-20. [3] 张永怀, 刘君华. 采用BP神经网络及其改进算法改善传感器特性[J]. 传感技术学报, 2002(3): 185-188. [4] 飞思科技产品研发中心.Matlab6.5辅助神经网络分析与设计. 北京: 电子工业出版社, 2003. [5] 周正民, 赵立雄. 神经网络在实验数据拟合中的应用[J]. 太原重型机械学院学报, 2006, 21(2): 165-168. [6] 杨莉, 周志富. BP神经网络在GPS高程异常拟合中的应用[J]. 测绘工程, 2010, 19(4): 12-15. [7] 薛毅. 数值分析与实验[J]. 北京: 北京工业大学出版社, 2005: 146-149. [8] 王志贤. 最优状态估计与系统辨识[M]. 西安: 西北工业大学出版社, 2004: 23-30. [9] SIMON D. Training radial basis neural networks with the extend Kalman filter[J]. Neurocomputing, 2002, 48: 455-475.
[1]
孙祥晟, 陈芳芳, 贾鉴, 陈浩, 胡康飞. 基于经验模态分解的神经网络光伏发电预测方法研究 [J]. 电气技术, 2019, 20(8): 54-58.
[2]
张永强, 贾敬礼, 张豪俊, 耿超鹏. 一种气体绝缘金属封闭开关设备状态监测远程诊断系统的设计与开发 [J]. 电气技术, 2019, 20(7): 28-32.
[3]
刘念浩, 温国强, 万恩忠. 基于8项余弦窗的高精度铁心接地电流实用算法 [J]. 电气技术, 2019, 20(5): 59-63.
[4]
姜雲腾, 李萍. 基于改进粒子群神经网络短期负荷预测 [J]. 电气技术, 2018, 19(2): 87-91.
[5]
陈亚, 李萍. 基于神经网络的短期电力负荷预测仿真研究 [J]. 电气技术, 2017, 18(1): 26-29.
[6]
吴金浩, 杨秀媛, 孙骏. 基于主成分分析法的风电功率短期组合预测 [J]. 电气技术, 2016, 17(7): 41-47.
[7]
朱红, 王勇, 马洲俊, 文路. 基于小波神经网络的新型配电网单相短路选线算法试验研究 [J]. 电气技术, 2016, 17(6): 81-85.
[8]
何巨龙, 王根平, 刘丹, 唐友明. 配电系统谐波扰动的定位与识别研究 [J]. 电气技术, 2016, 17(12): 25-30.
[9]
彭光斌, 李阳, 黄培东. 考虑静态电压稳定性的分布式电源优化布置研究 [J]. 电气技术, 2016, 17(11): 48-52.
[10]
林仁杰,李天友,蔡金锭. 基于相平面和遗传BP神经网络的配电网线路绝缘预警 [J]. 电气技术, 2015, 16(9): 47-51.
[11]
娄宝磊. 灰色动态BP神经网络在光伏短期出力预测中的应用 [J]. 电气技术, 2015, 16(12): 47-51.
[12]
肖锋. BP神经网络在步进电机细分控制的应用 [J]. 电气技术, 2015, 16(10): 120-122.
[13]
徐广娇,白连平,张巧杰,郑应伟,任永祥. 异步电动机风摩耗的曲线拟合分离方法研究 [J]. 电气技术, 2014, 15(07): 12-14.
[14]
高涛, 赵绪杰, 公茂法, 杨少辉. 基于Matlab的双机系统暂态稳定性仿真与分析 [J]. 电气技术, 2014, 15(04): 31-34.
[15]
王雨,苏适,严玉廷. 基于Kalman滤波和BP神经网络的光伏超短期功率预测模型 [J]. 电气技术, 2014, 15(01): 42-46.