广义回归神经网络在煤灰熔点预测中的应用

• 作者: 周昊 岑可法 樊建人 郑立刚
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 灰熔点 灰组分 广义回归神经网络(GRNN)
• 年，卷（期）: 2004,（11）
• 所属期刊栏目: 机械与能源工程
• 页码范围: 1479-1482
• 页数: 4页
• 分类号: TK222
• 字数: 3341字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2004.11.019

摘要

为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岑可法		62	1685	23.0	39.0
2	樊建人		10	189	7.0	10.0
3	周昊		18	779	12.0	18.0
4	郑立刚		3	99	3.0	3.0