导读:本文包含了小波分析神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,小波,故障诊断,水文地质,铝电解,位移,逆变器。
小波分析神经网络论文文献综述
孙建华[1]（2019）在《基于小波神经网络的水文地质参数计算与应用分析》一文中研究指出在BP神经网络的基础上引入小波分析函数对其进行改进,并应用于邹庄煤矿某采区水文地质参数计算和疏放水降深预测,再将小波神经网络与其它传统计算方法对比,结果表明:小波神经网络在水文地质参数计算和水文地质分析时具有极强的优势。(本文来源于《西部探矿工程》期刊2019年12期）
岳强,袁洁,胡涛[2]（2019）在《基于小波分析和灰色BP神经网络的滑坡位移预测》一文中研究指出滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)—灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。(本文来源于《水电能源科学》期刊2019年10期）
柯炎,樊波,谢一静,吕伟[3]（2019）在《基于小波包分析和Elman神经网络的军用电源智能故障诊断》一文中研究指出军用电源作为地空导弹系统的供电设备,其可靠运转关系到地空导弹系统作战效能的发挥。为实现地空导弹电源逆变器的故障诊断与容错运行,将小波包分解与Elman神经网络结合进行故障特征提取及故障辨识,并应用于地空导弹静变电源的故障诊断。在准确诊断出故障的基础上,利用故障隔离切换电路,隔离故障桥臂,投入备用桥臂,保证静变电源继续正常运行。故障诊断和故障重构仿真的效果验证了该方法的有效性。(本文来源于《重庆大学学报》期刊2019年09期）
孔亚腾,王耀[4]（2019）在《基于小波神经网络爆破振动速度预测与分析》一文中研究指出为提高爆破振动速度的预测精度,进而为防治爆破作业中爆破振动危害提供有效而更加有效的依据,本文提出了基于小波神经网络的预测方法,将各个爆破监测数据进行正负相关的转换,来统一爆破影响因素与爆破振动速度之间的关系,并把处理后的数据输入到小波神经网络中对爆破振动速度进行预测,相比传统的BP神经网络预测模型,本文提出的预测模型对爆破振动速度预测精度将近提高了10%,进而为爆破方案的优化提供强有力的理论根据。(本文来源于《居舍》期刊2019年26期）
孔岩峰,贾连兴,张江[5]（2019）在《基于小波分析和小生境遗传神经网络算法的声纹识别研究》一文中研究指出针对目前声纹识别中常用的模式识别算法(LPCC、MFCC等)的不足,为了提高声纹识别系统性能,本研究提出将小波分析和BP神经网络—小生境遗传优化算法(BP-GA)用于声纹识别中。该算法首先采用小波分析对语音信号提取信号时域频域特征变量,然后通过小生境遗传算法克服传统多层人工神经网络在训练时存在易陷入局部极小值的问题,最后采用小波特征变量做为优化后的神经网络的训练数据得到最终声纹识别算法。实验结果表明采用小波分析和BP神经网络—小生境遗传算法的声纹识别性能相对传统识别算法具有识别速度快、识别率高、错误率低、能够自动纠错,对于不同的发音人具有鲁棒性等优点。(本文来源于《第二十届中国系统仿真技术及其应用学术年会论文集（20th CCSSTA 2019）》期刊2019-08-20）
常雨芳,张力,谢昊,刘光裕[6]（2019）在《采用小波分析和神经网络的短期风速组合预测》一文中研究指出为了提高风速的波动性与随机性预测精度,提出小波分析和神经网络组合的风速预测模型.该方法利用小波分解将风速分解为一列频率不相同的分量,并利用二插值进行重构;根据各个分量的频率特征,选择合适的模型分别进行预测;高频分量采用组合神经网络预测,低频分量采用合适的单一模型直接进行预测;将各预测值迭加得到最终预测值.算例分析表明:相较于单一预测模型,所提方法的预测精度得到大幅提升,更加贴近实际风速曲线,预测结果更具可靠性.(本文来源于《华侨大学学报(自然科学版)》期刊2019年04期）
赵泽霖,曾水平[7]（2019）在《基于小波包分析和神经网络的铝电解槽阴极状态诊断》一文中研究指出铝电解槽阴极的电压信号能够反应铝电解槽的运行状况。通过对采集到的铝电解槽的阴极电压进行小波包分解,对重构后的包含主要信息的特征信号作为神经网络的输入,为了提高诊断准确率,本文采用LM优化算法,仿真结果表明,改进BP网络加快了收敛速度,提升了故障检测准确率,同时采用其他样本数据进行测试,模型具有很好的泛化能力,具有一定的生产实践意义。(本文来源于《中国科技信息》期刊2019年12期）
刘翀越[8]（2019）在《基于小波和神经网络的电能质量扰动分析》一文中研究指出伴随着全球经济的飞速发展,各种非线性、冲击性负荷设备的大量使用加剧了电能质量扰动在电力系统中出现的频率和严重程度。例如,容性大负荷和通电开关可能引起电压暂升;固态开关装置和非线性电力开关负载(如整流器)的使用,会造成电压暂降或瞬时中断的故障;雷击可能导致闪变。这些电能质量问题的出现,将会引发电气设备的不稳定或故障运行,同时还会缩短电气设备的使用寿命,这与当前电力设备对电能质量的高要求背道而驰。针对电力系统中普遍存在的电能质量扰动检测和分类问题,已有研究表明,选用小波变换对扰动信号进行检测准确性较好,但小波变换在扰动分类方面的直观性较差,影响分类的准确性;而神经网络方法因其特有的学习能力,对非线性系统具有较好的辨识能力。鉴于此,为对电能质量扰动进行准确分析,本文考虑选择小波变换与神经网络相结合的研究分析方法,借鉴已有研究,探索提出改进方法,制定本文的整体研究思路。第一,根据电力系统实际数据建立电能质量扰动的数学模型。基于对不同的小波基函数的分析与对比,针对电能质量扰动,选取适合于电能质量扰动检测的小波基,分析确定最佳小波分解层数,以便准确检测电能质量扰动,而且为后续的小波去噪和小波域特征提取提供分解尺度依据。第二,鉴于小波变换具有良好的时频局部分析能力,本文提出一种基于改进提升小波的电能质量扰动检测新算法。该算法结合加权平均滤波算法对提升小波分解的预测环节进行优化,从而提高电能质量扰动信号的检测精度。再利用模极大值原理检测扰动的起止点。通过MATLAB仿真实验和IEEE实验波形分析验证该算法的可行性和有效性,并与其它检测算法进行性能对比,分析结果表明,本文算法的扰动起止点综合检测精度更高,且具有较强的抗噪性。第叁,为了更加准确的对电能质量扰动进行分类,考虑在小波域和时域提取扰动特征,并通过仿真实验分析进行优化,选择第4、5、6层的小波能量值和标准差这6个最能区分各扰动类型的特征,组成特征向量,作为分类器的输入。最后,设计基于改进BP神经网络的电能质量扰动分类算法。主要通过合理设计BP神经网络的结构,增加动量项和自适应学习率,对学习规则进行改进。通过MATLAB实现算法的仿真分析和实验验证,将输出结果与实际数值进行比较,得出算法的正确率。上述实验结果表明,改进后的BP神经网络分类算法能够对单一和复合电能质量扰动实现较高的分类正确率。(本文来源于《广西科技大学》期刊2019-06-10）
刘墨阳,李巧玲,李致家,马亚楠,张汉辰[9]（2019）在《基于小波分析的NARX神经网络在水位预测中的应用》一文中研究指出高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,叁种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。(本文来源于《南水北调与水利科技》期刊2019年05期）
赵泽霖[10]（2019）在《基于小波分析和神经网络的铝电解槽阴极状态诊断研究》一文中研究指出在工业生产中,采用电解法制铝,在槽内进行铝的制备的同时,测量阴极软母线处的电压并进行分析,来反应铝在工业生产中槽内阴极的状态,并且及时有效的进行状态诊断对于铝厂能否正常生产以及经济效益的好坏有十分重要的影响。需要把从铝厂电解槽内采集到的阴极软母线处的电压信号进行处理,将处理后的数据作为小波包函数的输入,进行特征信号的提取,采用计算最小能量熵的方法确定小波基函数,根据生成的最优小波包树的形状来确定小波包的分解层数,将小波去噪和小波包去噪进行对比,通过信噪比和均方误差进行比较,选择小波包去噪对原始数据进行处理。去噪后的数据用小波包进行特征提取后与对应时间段故障情况进行匹配,将分解后的特征信号和对应故障情况作为后续故障诊断神经网络的输入和输出。结合神经网络的方法进行铝电解槽的故障诊断,选取BP神经网络作为诊断工具并建立叁层神经网络模型,将小波包提取后的特征值构建数据集,并按照3:1的比例进行划分,得到训练集和测试集两部分数据,经过诊断后发现传统的BP法在训练集上效果并不好,收敛速度慢且在梯度下降过程中易产生反复振荡,为了避免最速下降法在学习过程中存在的缺陷,使用改进BP算法,在训练算法中采取添加动量因子、在学习过程中自适应改变学习率、结合牛顿法进行优化等方法,分别进行实验对照,比较几种方法的改进效果,最终采用L-M优化BP算法,测试集状态诊断准确率得以提升,取2号槽另一样本数据进行测验,网络具有一定泛化能力。在MATLAB软件平台上设计软件系统,包括登录界面、关机界面、数据查看界面、曲线显示界面、小波包分解界面,实现了故障诊断的基本功能。(本文来源于《北方工业大学》期刊2019-05-21）
小波分析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：
滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)—灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。
（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。
小波分析神经网络论文参考文献
[1].孙建华.基于小波神经网络的水文地质参数计算与应用分析[J].西部探矿工程.2019
[2].岳强,袁洁,胡涛.基于小波分析和灰色BP神经网络的滑坡位移预测[J].水电能源科学.2019
[3].柯炎,樊波,谢一静,吕伟.基于小波包分析和Elman神经网络的军用电源智能故障诊断[J].重庆大学学报.2019
[4].孔亚腾,王耀.基于小波神经网络爆破振动速度预测与分析[J].居舍.2019
[5].孔岩峰,贾连兴,张江.基于小波分析和小生境遗传神经网络算法的声纹识别研究[C].第二十届中国系统仿真技术及其应用学术年会论文集（20thCCSSTA2019）.2019
[6].常雨芳,张力,谢昊,刘光裕.采用小波分析和神经网络的短期风速组合预测[J].华侨大学学报(自然科学版).2019
[7].赵泽霖,曾水平.基于小波包分析和神经网络的铝电解槽阴极状态诊断[J].中国科技信息.2019
[8].刘翀越.基于小波和神经网络的电能质量扰动分析[D].广西科技大学.2019
[9].刘墨阳,李巧玲,李致家,马亚楠,张汉辰.基于小波分析的NARX神经网络在水位预测中的应用[J].南水北调与水利科技.2019
[10].赵泽霖.基于小波分析和神经网络的铝电解槽阴极状态诊断研究[D].北方工业大学.2019
论文知识图
