基于主成分和贝叶斯正则化的nox排放量的预测
, PP. 24-27
Keywords: 300mw机组,锅炉,nox排放量,主成分分析,bp神经网络,贝叶斯正则化
Abstract:
针对电厂燃煤锅炉nox排放量预测建模中输入因子过多而导致神经网络结构规模过大、泛化能力差的问题，通过主成分分析和贝叶斯正则化的方法对bp神经网络进行改进，优化网络结构，从而提高了泛化能力。以某300mw机组锅炉热态多工况试验数据为例，改进的神经网络预测方法与传统的神经网络方法相比，泛化能力有显著提高，而且网络的收敛稳定，实际预测效果良好。
| [1] | 王新军，王飞，马增益，等.用于电站燃煤锅炉no��x�排放监测的bp神经网络试验研究[j].动力工程，2002，22(5):1979-1982.[2]白卫东，严建华，王飞，等.统计回归方法在电站锅炉氮氧化物排放量监测中的应用[j].动力工程，2008（6）：431-435.[3]郭建民，刘石，姜凡，等.基于svm的对冲燃煤锅炉nox排放特性[j].燃烧科学与技术，2006，12(3):244-247.[4]金龙，况雪.人工神经网络预报模型的过拟合研究[j].气象学报，2004，62(1):62-63.[5]黄燕，吴平.sas统计分析及应用[m].北京：机械工业出版社，2006.[6]蔡煜东，姚林生.径流长期预报的人工神经网络方法[j].水科学进展，1995，6(1):61-65.[7]李鸿雁，刘寒冰.提高人工神经网络洪水预报精度的研究[j].自然灾害学报，2002，11(1):57-60.[8]江学军，唐焕文.前馈网络泛化性能的系统分析[j].系统工程理论与实践，2000，20(8):36-40.[9]刘学伟，贺昌政.基于贝叶斯正则化bp神经网络的上市公司信用评价研究[j].软科学，2005，19(5):9-10.[10]冯国章，李佩成.人工神经网络结构对径流预报精度的影响分析[j].自然资源学报，1998，12(3):16-17.[11]郭建民.基于数字图像处理技术的锅炉火焰检测与污染物排放特性研究[d].北京：中科院工程热物理研究所，2006.[12]陈彦光.研究生地理数学方法实习（partⅱ：统计分析软件spss）[m].2008.（北大教材）
|
Full-Text
