基于RBF神经网络的天然气管道泄漏检测技术研究
为了正确判断管道是否发生泄漏，本文采用混合学习方法对网络进行训练学习。通过将管道运行参数作为神经网络的输入，管道运行状态作为神经网络的输出，实现两者的非线性映射，以此来判断输入信号是否为泄漏信号，并选用K-means聚类方法和递推最小二乘法来确定网络参数。通过用天然气管道运行的实测数据对RBF神经网络进行了训练和测试，得到结果误差在可接受的范围内，从而证明RBF神经网络的方法可用于天然气管道泄漏检测的研究。
文件下载
评论信息
其他资源
- CEF 3.2272.2077下载
- NASA的IMS轴承数据
- mindmaster6.3破解版
- SAP ME 开发教程
- airpak用户手册
- Android应用源码图书馆管理系统带服务器端
- Java校招面试题库（答案与解析）.pdf.zip
- SCITranslate(论文翻译软件) V12.0 最新VIP版.rar
- 基恩士PLC通讯.rar
- 随机减量方法
- 基于SSM的客户管理系统源码
- s7 200plc程序实例-pid
- HIDKomponente_1.0.34
- 复变函数 李庆忠主编.pdf
- TMSWorkflowStudiov2.11forD7-XE10.2完整安装特别版(附破解文件步骤)
- C# Socket网络编程精华篇.docx
- 电商广告投放明细_麦网.xls
- 智能系统建模与仿真平台的开发与应用
- VB6串口通讯读卡器控制.rar
- Audio signal processing and coding
- UltraFast 设计方法 快捷参考指南 (UG1231)
- 目前很火的微博红包支付系统.zip
- java一个调色程序jar
- 载波相位测量
- Deep Reinforcement Learning for List-wise Recommendations
- linux零基础到精通视频教程(全套100多个视频)
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明