_基于结构改进RBF神经网络的NOx预测模型比较.pdf

上传者: 42036832 | 上传时间: 2021-06-08 18:08:39 | 文件大小: 835KB | 文件类型: PDF
针对燃煤电厂 SCR 入口氮氧化物浓度测量准确性的问题,提出基于结构改进 RBF 神经网络(improved RBF neural network, IRBFNN)预测模型。采用互信息选取辅助变量作为模型的输入变量,避免变量过多或者过少造成模型精度降低;利用 K-近邻互信息估计辅助变量的延迟时间,解决时序问题;采用调整时序的辅助变量和主导变量建立结构改进的RBF 神经网络(RBFNN)预测模型;采用人工鱼群算法(artificial fish swarm algorithm, AFSA)和粒子群算法(particle swarm optimization, PSO)加速验证结构改进模型的优越性,并将两种优化算法优化能力进行分析。仿真结果表明,结构改进的 RBF 神经网络模型的均方根误差和平均绝对百分比误差明显高于原模型;AFSA 算法优化后的模型精度高于 PSO 算法,然而其需要调节的参数较多。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明