基于自适应粒子群优化BP神经网络的氨法烟气脱硫效率预测

被引：22

作者：

洪文鹏

陈重

机构：

[1] 东北电力大学能源与动力工程学院

来源：

动力工程学报 | 2013年 / 33卷 / 04期

关键词：

氨法烟气脱硫; 脱硫效率; BP神经网络; 粒子群算法; 预测模型;

D O I：

暂无

中图分类号：

X701.3 [脱硫与固硫];

学科分类号：

083002 ;

摘要：

针对氨法烟气脱硫效率的预测问题,建立了以脱硫系统运行中8个主要参数作为输入变量的BP神经网络模型,采用粒子群优化算法(PSO)对建立的BP神经网络模型的权值进行优化,提出基于粒子群优化算法的BP神经网络(PSO-BP)预测新模型,并利用某电厂脱硫系统20组运行数据对该模型进行了验证.结果表明:采用PSO算法对BP神经网络的权值和阈值进行寻优,避免了网络局部极小值的出现,提高了网络的泛化能力,采用PSO-BP预测模型可以对氨法烟气脱硫效率进行较高精度的预测.

引用

页码：290 / 295

页数：6

共 12 条

[1]

水科学信息分析计算新方法及其应用.[D].熊建秋.四川大学.2006, 03

[2]

Application of particle swarm optimisation in artificial neural network for the prediction of tool life.[J].U. Natarajan;V. M. Periasamy;R. Saravanan.The International Journal of Advanced Manufacturing Technology.2007, 9-10

[3] 基于最小二乘支持向量机的氨法烟气脱硫装置脱硫效率预测 [J].