基于改进Elman神经网络的烟气轮机运行状态趋势预测

• 作者: 徐小力 王少红 王立勇 陈涛
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 异常值判别 缺失数据插补 最优预测步长 Elman神经网络 状态趋势预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 机械工程
• 页码范围: 367-375
• 页数: 9页
• 分类号: TH17|TN911.72
• 字数: 4978字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2019.0367

摘要

为提高烟气轮机状态趋势预测的精度,提出一种改进Elman神经网络的趋势预测方法.首先,引入以四分位数和四分位距为基础的箱线图方法判别异常值,并对缺失的数据进行插补,为状态趋势预测提供可靠的全数据序列;其次,根据设备运行状态数据序列具有的时间依存性,计算数据序列不同时延的相关程度,以相关系数最大值点对应的时延为最优预测步长;最后构建三层最优预测步长Elman神经网络对烟气轮机运行状态全数序列进行趋势预测实例分析.研究结果表明,箱线图法能够简捷快速、直观明了地判别异常值;邻近点中位数插补方法更贴近原始数据分布规律,为最优插补方法;相较其他预测步长的Elman神经网络预测方法,最优预测步长的预测误差最小、预测精度最高;同时,Elman神经网络最优预测步长方法的预测误差较BP、RBF神经网络更小、预测精度更高.改进Elman神经网络趋势预测方法能够为烟气轮机的状态趋势预测提供一种有效的预测方法,该方法还可应用于其他关键设备的趋势预测中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐小力	北京信息科技大学现代测控教育部重点实验室	164	804	15.0	21.0
2	王立勇	北京信息科技大学现代测控教育部重点实验室	55	87	4.0	5.0
3	陈涛	北京信息科技大学现代测控教育部重点实验室	23	36	3.0	5.0
4	王少红	北京信息科技大学现代测控教育部重点实验室	24	50	5.0	6.0