基于人工鱼群-径向基神经网络的NOx预测模型

• 作者: 金秀章 于静 刘岳
• 来源期刊: 动力工程学报
• 关键词: 人工鱼群算法 径向基神经网络 互信息 K-近邻互信息 预测模型
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 环保技术与设备|Environmental Protection Technology and Equipment
• 页码范围: 551-557
• 页数: 7页
• 分类号: TP18|X701
• 语种: 中文
• DOI: 10.19805/j.cnki.jcspe.2021.07.004

摘要

针对燃煤电厂脱硝系统入口NOx质量浓度迟延较大、难以测量的问题,提出了人工鱼群算法(AFSA)优化径向基神经网络(RBFNN)预测模型.利用互信息确定模型输入变量,运用K-近邻互信息算法预估迟延时间;采用具有强泛化能力的RBFNN建立相空间重构的辅助变量和主导变量的预测模型,并运用AFSA确定RBFNN的最优参数组合,克服输入规律不明和参数随机性的影响.最后将AFSA-RBFNN预测模型与RBFNN、PSO-RBFNN预测模型进行对比验证.结果表明:AFSA-RBFNN预测模型的均方根误差、平均绝对百分比误差最小,运行时间最短,表明该模型的泛化能力、预测精度明显优于其他模型,并能够解决粒子群算法的局部收敛和运行时间长的问题.