基于PSO-Elman模型的火电厂烟气含氧量预测

• 作者: 张玮 李继超 王景成 郝爽洁 陈超波
• 来源期刊: 自动化与仪表
• 关键词: 烟气含氧量 火电厂 PS0算法 Elman神经网络 预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 系统建模、仿真与分析
• 页码范围: 75-79,85
• 页数: 6页
• 分类号: TP273|TM621.7
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.04.017

摘要

针对火电厂烟气含氧量测量精度较低、测量成本较大等问题,提出基于PSO-Elman网络模型的烟气含氧量预测方法.选择合理的相关辅助变量,引入Elman神经网络建立辅助变量与烟气含氧量的关系模型;利用PSO对Elman中所有的权值、阈值进行寻优,将其最优权值和阈值作为初值赋给Elman;经过训练,建立基于PSO-Elman模型的预测模型,完成火电厂烟气含氧量的软测量.通过仿真,与Elman网络和LSSVM模型的预测结果作对比,所提模型具有较高的预测精度和良好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王景成	西安工业大学电子信息工程学院	61	580	14.0	21.0
3	陈超波	西安工业大学电子信息工程学院	106	413	12.0	15.0
6	李继超	西安工业大学电子信息工程学院	13	41	3.0	6.0
7	张玮	西安工业大学电子信息工程学院	1	0	0.0	0.0
8	郝爽洁	西安工业大学电子信息工程学院	1	0	0.0	0.0