基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测

• 作者: 余华瑞 周树孝 石炎福
• 来源期刊: 石油化工
• 学科: 工学
• 关键词: 小波 神经网络 预测 混沌 颗粒浓度 流化床 噪声
• 年，卷（期）: 2003,（3）
• 所属期刊栏目: 研究与开发
• 页码范围: 224-229
• 页数: 6页
• 分类号: TQ051.13
• 字数: 4366字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-8144.2003.03.012

摘要

提出了一种将混沌的相空间重构、小波包分析和神经网络相结合的新方法用于预测气-固循环流化床的颗粒浓度.首先利用小波包进行数据的消噪,然后用混沌方法重构相空间吸引子,用径向基神经网络拟合吸引子上的全局整体映射,构成混合预测模型.实验结果表明,将此混合模型用于预测气-固循环流化床的颗粒浓度,能达到较好的预测效果,预测精度比奇异值分解和傅里叶变换除噪高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石炎福	四川大学化工学院化学工程系	59	887	18.0	27.0
2	余华瑞	四川大学化工学院化学工程系	21	279	11.0	16.0
3	周树孝	四川大学化工学院化学工程系	2	13	2.0	2.0