基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对燃气轮机建模过程中压气机特性曲线的预测在非设计工况条件下精度较低和泛化能力较差的问题,提出了一种基于思维进化算法(MEA)的BP神经网络预测模型.该模型融合了MEA全局寻优的能力,在神经网络的权值和阈值范围内,通过MEA的"趋同"和"异化"操作,得到全局最优解并将其应用于BP神经网络的初始值,进而通过迭代得到最优输出预测曲线.预测结果表明:与独立的BP神经网络相比,MEA-BP神经网络的预测结果具有更好的精度和泛化能力,相对误差也降低了很多.可见,该方法适用于压气机特性曲线的预测,有助于压气机的实际运行分析,为燃气轮机的整体建模打下了较好的基础.
推荐文章
MEA-BP神经网络在大坝变形预测应用
思维进化法
BP神经网络
大坝变形预测
精度评定
MEA-BP预测模型在水布垭面板堆石坝沉降变形预测中的应用
大坝变形预测
坝体沉降
水布垭面板堆石坝
BP神经网络
思维进化算法
基于MEA-BP的水轮机运转特性曲线拟合及应用
运转特性曲线
特性曲线拟合
MEA-BP神经网络
数据拟合
水轮机
水电站
基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法
滑动轴承
故障诊断
BP神经网络
思维进化算法(MEA)
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于MEA-BP神经网络的压气机 特性曲线预测
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 BP神经网络 思维进化算法 压气机特性曲线
年,卷(期) 2019,(2) 所属期刊栏目 机械·材料
研究方向 页码范围 67-74
页数 8页 分类号 TK472
字数 4253字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2019.02.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄伟 上海电力学院自动化工程学院 48 196 7.0 12.0
2 常俊 上海电力学院自动化工程学院 4 9 2.0 3.0
3 孙智滨 上海电力学院自动化工程学院 4 9 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (59)
共引文献  (67)
参考文献  (13)
节点文献
引证文献  (6)
同被引文献  (37)
二级引证文献  (0)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(9)
  • 参考文献(0)
  • 二级参考文献(9)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
BP神经网络
思维进化算法
压气机特性曲线
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导