混沌RBF神经网络对配变电系统气体传感的智能化预测

配电变站处在高压的运行环境下,保障环境中的气体质量非常重要.于是先构建阵列式传感器监测系统对配电变站气体进行监测,然后提出相空间重构的混沌RBF神经网络对其建立预测模型,提前做好安全监管措施.对传感器采集的的气体先用C-C法优化得到延迟时间τ和嵌入维数m,进而优化重构的相空间,然后再采用Lyapunov指数判断气体具有相空间混沌特性,对相空间重构进行混沌分析,有效地展示混沌吸引子动力学特性,通过吸引子相图反映出其混沌特性.通过重构后的吸引子训练径向基RBF神经网络进行训练和预测.通过对比RBF神经网路,发现混相空间重构的混沌RBF在这个预测中比RBF神经网路预测的精度更高.