基于主成分和贝叶斯正则化的NOx排放量的预测

• 作者: 卢保玲 杨飞
• 来源期刊: 热力发电
• 关键词: 300 MW机组 锅炉 NOx排放量 主成分分析 BP神经网络 贝叶斯正则化
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 热能基础研究
• 页码范围: 24-27,23
• 页数: 5页
• 分类号: TK229.6
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2010.02.024

摘要

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300 MW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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨飞	北京交通大学机械与电子控制工程学院	15	70	7.0	8.0
2	卢保玲	北京交通大学机械与电子控制工程学院	1	8	1.0	1.0