一种非线性烟气含氧量深度学习模型

• 作者: 唐振浩 曹生现 李艳艳
• 来源期刊: 哈尔滨理工大学学报
• 学科: 工学
• 关键词: 深度置信网络 组合模型 特征选取 Lasso 烟气含氧量
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 机械动力工程
• 页码范围: 127-135
• 页数: 9页
• 分类号: TP18|TM621
• 语种: 中文
• DOI: 10.15938/j.jhust.2020.05.018

摘要

针对烟气含氧量测量成本高、测量不稳定等问题,依据深度学习理论,采用非线性组合深度置信网络(nonlinear combined deep belief network,NCDBN)方法建立烟气含氧量模型.在该方法中,将输入变量分为控制变量和状态变量.对原始数据进行归一化预处理之后,采用lasso算法选取相关性强的变量作为预测模型输入参数.然后,采用DBN算法分别建立控制变量预测模型和状态变量预测模型.最后,将两个预测模型进行非线性组合,获得烟气含氧量的最终预测模型.根据实际生产数据进行实验,结果表明4种对比算法的平均绝对误差分别为1.319％,2.5103％,1.9586％,5.4634％,2.5350％,而NCDBN方法的平均绝对误差为1.2428％,说明NCDBN方法能够准确地预测烟气含氧量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹生现		65	269	10.0	14.0
2	唐振浩		11	11	2.0	3.0
3	李艳艳		1	0	0.0	0.0