摘要
本发明提供了一种电缆温度预测方法,包括如下步骤:S1:将影响电缆线芯温度的因素进行关联度分析,筛选出对电缆线芯温度影响最大的因素;S2:将电缆线芯温度影响最大的因素作为输入,电缆线芯温度作为输出,运用具有随机搜索路径优和寻优能力强的布谷鸟(CS)算法改进BP神经网络模型,以CS算法对模型权值和阈值进行寻优,对电缆线芯温度进行预测;本发明通过灰色关联度分析法确定对电缆线芯温度影响最大的因素,既可以排除无关影响因素,又可以避免输入因素过多导致神经网络训练时间过长,通过布谷鸟算法对BP神经网络权值和阈值进行更新,构建的模型结构合理,预测能力较强,为电缆的设备分析和故障预警提供了强有力的数据支撑。
技术关键词
电缆线芯温度
温度预测方法
鸟巢
布谷鸟算法
BP神经网络模型
灰色关联度分析法
神经网络训练
网络拓扑结构
序列
节点数
鸟窝
位置更新
点对点
误差
护套
变量
系统为您推荐了相关专利信息
编码模块
矩阵
可编程逻辑控制器模块
温度预测模型
鼓风机
BP神经网络模型
生理
信号处理方法
肠鸣音信号
分类网络
能源动态管理系统
BP神经网络模型
在线性能监测
关断
负载设备
辊压机
故障预警方法
历史运行数据
故障预测模型
故障特征