基于l-m算法的火电厂实时数据神经网络预测模型研究

提出了一种建立在bp神经网络上的基于levenberg-marquardt(简称l-m)算法的火电厂实时数据神经网络预测模型，以减少训练次数和提高训练精度。通过对某电厂300mw机组高压加热器进口温度进行训练和校核，分析了数据预处理的重要性。仿真结果表明,该模型能够获得未来时刻合理的预测结果，可用于缺失数据补充和实时数据校核，提高数据可靠性，适用于在线对未来状态的评价，为状态检修提供参考依据。