基于递归神经网络的火电机组污染物排放研究

• 作者: 李端超 杨训政 梁肖 高卫恒 高夏生 黄少雄
• 来源期刊: 自动化与仪表
• 关键词: 深度学习 递归神经网络 节能减排 预测模型 改进算法
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 创意与实践
• 页码范围: 68-71,76
• 页数: 5页
• 分类号: TM933
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2017.10.015

摘要

该文通过研究海量的发电机组历史污染物排放数据,提出一种基于LSTM-RNN深度学习的改进型发电机组排放预测算法ALSTM-RNN(A-R).A-R算法可以有效地提取出模型特征量,结合数据的归一化对模型的结果进行优化调整,以降低模型训练时间,提高预测精度.通过在不同的发电机组测试试验,A-R算法较最小二乘法(LSM),支持向量机回归(SVR)具有较小的均方误差值,较LSTM-RNN模型预测方差更小,更加稳定,具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄少雄		9	32	3.0	5.0
2	李端超		13	396	8.0	13.0
3	高夏生		6	20	2.0	4.0
4	梁肖		11	36	3.0	5.0
5	高卫恒		4	11	3.0	3.0
6	杨训政	中国科学技术大学计算机科学与技术学院	3	37	3.0	3.0