基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对燃煤电厂脱硫系统出口So2质量浓度难以稳定控制的问题,提出了一种基于改进粒子群算法(IPSO)优化长短时记忆(LSTM)神经网络的IPSO-LSTM预测模型.首先利用主成分分析(PCA)计算各个变量的贡献率从而筛选出模型的辅助变量,实现辅助变量的降维.其次,利用改进粒子群算法确定LSTM神经网络的神经元数量、学习率和迭代次数.最后,将选定的辅助变量作为IPSO-LSTM预测模型的输入,预测出口SO2质量浓度,采用国内某电厂2×600MW机组脱硫数据进行仿真,并与相关11种模型进行对比.仿真结果表明,本文模型预测误差最小,其均方根误差为0.98mg/m3,平均相对误差为1.81%;与传统LSTM、LSSVM模型相比,预测精度分别可提高72%和81%;与其他相关模型相比,改进的PSO可以提高PSO的全局寻优能力和收敛速度,当LSTM神经网络具有2层隐含层时,IPSO-LSTM模型预测精确度最高.
推荐文章
基于长短时记忆神经网络的带钢酸洗浓度预测
浓度预测
带钢酸洗
深度学习
长短期记忆
神经网络
基于长短时记忆神经网络的水库洪水预报
洪水预报
长短时记忆神经网络
预见期
训练速度
白盆珠水库
基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法
多语种文本分类
长短时记忆单元
卷积神经网络
基于长短时记忆网络的仿真系统数据故障诊断方法
故障诊断
长短时网络
神经网络
数据分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进粒子群优化长短时记忆神经网络的脱硫系统SO2预测模型
来源期刊 热力发电 学科 工学
关键词 脱硫系统 预测模型 SO2 LSTM 主成分分析 粒子群算法 神经网络
年,卷(期) 2021,(12) 所属期刊栏目 智能控制与电力装备国产化技术专栏|Technology of smart control and power equipment localization
研究方向 页码范围 66-73
页数 8页 分类号 TP18
字数 语种 中文
DOI 10.19666/j.rlfd.202105097
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
脱硫系统
预测模型
SO2
LSTM
主成分分析
粒子群算法
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
热力发电
月刊
1002-3364
61-1111/TM
大16开
陕西西安兴庆路136号
52-103
1972
chi
出版文献量(篇)
6331
总下载数(次)
8
总被引数(次)
39999
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导