样本优选BP神经网络在脱硫效率预测中的应用

被引：10

作者：

孙栓柱 ^{[1
]}

李益国 ^{[2
]}

周春蕾 ^{[1
]}

代家元 ^{[1
]}

王明 ^{[1
]}

机构：

[1] 江苏方天电力技术有限公司

[2] 东南大学能源与环境学院

来源：

自动化仪表 | 2015年 / 36卷 / 03期

关键词：

湿法脱硫; 脱硫效率; BP神经网络; 样本优选; 预测;

D O I：

10.16086/j.cnki.issn1000-0380.201503018

中图分类号：

X773 [电力工业]; TP183 [人工神经网络与计算];

学科分类号：

080707 [能源环境工程]; 140502 [人工智能];

摘要：

样本质量对神经网络的性能有重要影响,如何从高速增长的海量数据中选择训练样本是一个难点。针对这一问题,运用一种基于数据分布和聚类分析的样本优选方法对海量数据进行预处理,快速剔除数据集中的噪声信号,选择具有代表性的样本,从而有效缩小样本空间、改善样本质量。最后,以燃煤机组石灰石-石膏湿法脱硫系统脱硫效率为输出参数,选取影响脱硫效率的7个主要测点为输入参数,建立BP神经网络预测模型,并应用提出的样本优选方法从海量历史数据中选取样本数据对模型进行训练和测试。训练后的模型平均预测绝对误差达到0.75%,而且对不同工况的预测精度均较为平均。

引用

页码：68 / 72

页数：5

共 6 条

[1]

集成粗糙集和阴影集的簇特征加权模糊聚类算法 [J].