基于改良BP神经网络的生物质锅炉飞灰含碳量预测模型研究

• 作者: 朱琎琦 牛晓凡 肖显斌
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 生物质锅炉 飞灰含碳量 BP神经网络 主成分分析 Garson算法
• 年，卷（期）: 2020,（2）
• 页码范围: 150-157
• 页数: 8页
• 分类号: TK6
• 字数: 4757字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2020.02.003

摘要

针对生物质锅炉飞灰含碳量较高的问题,文章提出了基于主成分分析法(PCA)或Garson算法与普通LM-BP神经网络相结合的两种生物质锅炉飞灰含碳量预测模型.这两种模型通过对负荷、燃烧室烟气温度、烟气含氧量等17个原始输入变量进行降维得到新输入变量,再进行训练建模,提高了模型精度.利用我国某生物质电厂飞灰含碳量的实测数据对模型进行检验,检验结果表明,LM-Garson-BP神经网络的MA PE为2.09％,MSE为0.11,MA E为0.25,泛化能力最强,稳定性最好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖显斌	华北电力大学生物质发电成套设备国家工程实验室	18	89	7.0	9.0
2	朱琎琦	华北电力大学生物质发电成套设备国家工程实验室	1	0	0.0	0.0
3	牛晓凡	华北电力大学生物质发电成套设备国家工程实验室	1	0	0.0	0.0