基于神经网络在线学习的脱硝系统人口氮氧化物预测

• 作者: 张少康 金秀章
• 来源期刊: 河北大学学报（自然科学版）
• 学科: 工学
• 关键词: 入口氮氧化物 核主元法 粒子群算法 预报误差 神经网络在线学习
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 电子工程与计算机科学
• 页码范围: 423-431
• 页数: 9页
• 分类号: TK314
• 字数: 4438字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1565.2018.04.013

摘要

针对脱硝系统入口氮氧化物静态软测量预测模型不能满足变负荷时需求的问题,建立了一种基于神经网络在线学习的软测量模型.利用粒子群算法对静态神经网络的参数进行寻优,结合预报误差和当前预测误差的大小在线更新网络的权值、阈值和学习速率,可以满足不同负荷下的需求,利用电厂的实际运行数据对模型进行了验证.结果表明:在不同负荷下,建立的神经网络在线学习模型的准确性高,实时性好,泛化能力强,可以很好地对入口氮氧化物进行预测,为脱硝系统入口氮氧化物在线测量和监测提供了一种有效的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金秀章	华北电力大学控制与计算机工程学院	52	391	9.0	17.0
2	张少康	华北电力大学控制与计算机工程学院	6	22	4.0	4.0