基于GA-BP神经网络的带提升管内循环流化床循环流率预测

• 作者: 尹猛 陈鸿伟
• 来源期刊: 锅炉技术
• 学科: 工学
• 关键词: 遗传算法 BP神经网络 颗粒循环流率 内循环流化床
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 流化床锅炉
• 页码范围: 26-31
• 页数: 6页
• 分类号: TK229
• 字数: 4874字
• 语种: 中文

摘要

自行搭建了带提升管的内循环流化床试验台,研究了提升管风速、气化室风速、颗粒平均粒径、床层高度对循环流率的影响.基于遗传算法优化BP神经网络原理,建立了GA-BP人工神经网络模型,用来预测带提升管的内循环流化床的颗粒循环流率.通过对GA-BP神经网络模型颗粒循环流率的预测值与试验值的比较发现:当隐含层数目为22时,最大相对误差为±6.6917％,误差的均方差为2.899％.该模型预测数据与试验值比较吻合,能够较好的预测颗粒循环流率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈鸿伟	华北电力大学能源动力机械工程学院	253	1807	18.0	29.0
2	尹猛	华北电力大学能源动力机械工程学院	4	20	3.0	4.0