基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
考虑固态和液态排渣锅炉对煤灰熔点的不同要求,采用广义回归神经网络建立了煤灰软化温度模型.神经网络的输入变量为7个,即煤灰中SiO2、Al2O3、Fe2O3、CaO、MgO、TiO2、Na2O & K2O的质量分数.以煤灰软化温度作为目标函数,采用遗传算法寻优计算获得当煤灰软化温度最高和最低时煤灰中氧化物的组成.广义回归神经网络仅需30个训练样本,最大和平均相对误差分别为21.8%和1.55%.优化结果表明,掺烧高钙煤或者向燃煤中添加石灰石等富含Ca的原料可以降低煤灰熔点;而增加Al2O3的质量分数可以提高煤灰熔点.
推荐文章
基于神经网络与遗传算法的传动部件设计优化
神经网络
遗传算法
Matlab
设计优化
基于遗传算法优化的BP神经网络研究应用
人工神经网络
BP神经网络
遗传算法
GA?BP神经网络
优化方法
搜索能力
基于神经网络的齿轮传动遗传算法优化
齿轮机构
优化设计
遗传算法工具箱
神经网络
改进的遗传算法对神经网络优化的分类
神经网络
遗传算法
分类
数据挖掘
基因重组
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于广义回归神经网络与遗传算法的煤灰熔点优化
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 遗传算法
年,卷(期) 2005,(8) 所属期刊栏目 机械与能源工程
研究方向 页码范围 1189-1192,1242
页数 5页 分类号 TK222
字数 3338字 语种 中文
DOI 10.3785/j.issn.1008-973X.2005.08.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周昊 18 779 12.0 18.0
2 邱坤赞 2 38 2.0 2.0
3 郑立刚 焦作工学院资源与材料工程学系 1 34 1.0 1.0
4 陈习珍 1 34 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (55)
参考文献  (7)
节点文献
引证文献  (34)
同被引文献  (24)
二级引证文献  (59)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(5)
  • 参考文献(2)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(4)
  • 引证文献(4)
  • 二级引证文献(0)
2007(6)
  • 引证文献(5)
  • 二级引证文献(1)
2008(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(4)
  • 引证文献(2)
  • 二级引证文献(2)
2010(6)
  • 引证文献(3)
  • 二级引证文献(3)
2011(5)
  • 引证文献(4)
  • 二级引证文献(1)
2012(10)
  • 引证文献(5)
  • 二级引证文献(5)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2015(9)
  • 引证文献(2)
  • 二级引证文献(7)
2016(6)
  • 引证文献(1)
  • 二级引证文献(5)
2017(9)
  • 引证文献(1)
  • 二级引证文献(8)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(10)
  • 引证文献(0)
  • 二级引证文献(10)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
灰熔点
灰组分
广义回归神经网络
遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导