深度学习在设备部件监测的研究与应用

• 作者: 孙发友 蒙祖强
• 来源期刊: 网络安全技术与应用
• 关键词: 数据分布 欧式距离算法 状态预测模型 相似度
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 行业与应用安全
• 页码范围: 101-103
• 页数: 3页
• 字数: 1311字
• 语种: 中文

摘要

火电厂设备的运行状态体现在其关键部件,利用DCS采集的相关数据,通过现代化的数据建模方式,可以准确侦测关键部件运行状态的趋势.本文首先利用SPSS分析其数据分布的特点,其次通过欧式距离算法剔除异常数据,最后利用深度学习的贝叶斯正则化BP神经网络建立关键部件的状态预测模型.实践表明,预测模型的输出值与实测值相似度超过90％,完全达到火电厂运维的标准.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒙祖强		59	289	10.0	14.0
2	孙发友		2	1	1.0	1.0