基于贝叶斯神经网络遗传算法的锅炉燃烧优化

• 作者: 方海泉 李宁 薛惠锋 费晰
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 锅炉 燃烧优化 贝叶斯正则化 神经网络 遗传算法 多目标优化
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 1790-1795
• 分类号: TP183|TP301.6
• 语种: 中文

摘要

神经网络与遗传算法相结合在锅炉燃烧优化问题上的应用非常广泛,但是传统的反向传播(BP,Back Propagation)神经网络泛化能力较弱,而贝叶斯正则化方法能有效提高神经网络的泛化能力.应用贝叶斯正则化BP神经网络与遗传算法相结合的方法,对锅炉燃烧多目标优化问题进行研究.通过利用锅炉热态实验数据进行仿真,结果表明:贝叶斯神经网络模型可以很好地预测锅炉的热效率和NOx浓度,结合遗传算法可以对锅炉燃烧实现有效的多目标寻优,为电站的经济环保运行提供理论指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宁		111	547	11.0	21.0
2	方海泉		3	26	2.0	3.0
3	薛惠锋		3	26	2.0	3.0
4	费晰		1	21	1.0	1.0