基于 LSTM的发电机组污染物排放预测研究

• 作者: 杨训政 柯余洋 梁肖 熊焰
• 来源期刊: 电气自动化
• 学科: 工学
• 关键词: 机器学习 深度学习 递归神经网络 批规范化 回归分析
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 计算机技术及其应用
• 页码范围: 22-25
• 页数: 4页
• 分类号: TP391
• 字数: 3233字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3886.2016.05.007

摘要

为了利用电力公司积累的海量历史污染物排放数据，形成可以减少污染物排放的调度框架。采用递归神经网络，结合发电机组输出功率与污染物排放量之间的关系，并使用批规范化等深度学习技术，对数据和模型进行学习和训练。实验结果表明，可以有效预测发电机组污染物排放量，解决传统回归分析方法无法适用的难以提取有效特征的问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊焰	中国科学技术大学计算机学院	82	648	12.0	21.0
2	柯余洋	中国科学技术大学计算机学院	4	39	3.0	4.0
3	杨训政	中国科学技术大学计算机学院	3	37	3.0	3.0
4	梁肖	安徽省电力公司调度控制中心	2	33	2.0	2.0