应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析,建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明,可将时间序列负荷数据作纵横向分离,横向相关系列负荷可作为CNN前一BP子网络的输入数据,纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测,其预测结果加入后一BP子网络的输入系列,实现对负荷的精确预测。按照此模型,建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。