双重BP神经网络组合模型在实时数据预测中的应用

被引：31

作者：

李蔚

盛德仁

陈坚红

任浩仁

袁镇福

岑可法

周永刚

机构：

[1] 浙江大学机械与能源工程学院

来源：

中国电机工程学报 | 2007年 / 17期

关键词：

双重BP神经网络; 实时; 组合预测; 回归神经网络; 延时神经网络;

D O I：

10.13334/j.0258-8013.pcsee.2007.17.018

中图分类号：

TM743 [模拟与仿真];

学科分类号：

080802 ;

摘要：

在回归和延时神经网络的基础上,利用非线性组合预测方法的优点,提出一种新的预测模型——双重BP神经网络组合模型模型,选用某660MW机组的主蒸汽流量数据进行学习训练,实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度,校核样本的平均相对误差为1.5%,而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%,证明双重BP神经网络组合模型具有很高的预测精度,可应用于火电厂实时数据的有效性验证。

引用

收藏

页码：94 / 97

页数：4

相关论文

共 13 条

[1] 基于改进BP神经网络的锅炉结渣预测模型 [J].

陈晓梅 ;

马晓茜 .

华东电力, 2005, (07) :42-45

[2] 火电厂实时监控系统测量数据预测的研究进展 [J].

陈丽丽 ;

李蔚 ;

盛德仁 ;

陈坚红 ;

任浩仁 .

电站系统工程, 2005, (02) :1-4

[3] 汽轮机组监测诊断系统中虚拟传感器的数学模型 [J].

陈波 ;

胡念苏 ;

周宇阳 ;

申 ;

赵瑜 .

中国电机工程学报, 2004, (07) :257-260

[4] 神经网络组合预报模型及其在汽轮发电机组状态检修中的应用 [J].

张志明 ;

程惠涛 ;

徐鸿 ;

胡三高 .

中国电机工程学报, 2003, (09) :204-206+211

[5] 基于向量投影的数据检验PCA方法 [J].

司风琪 ;

洪军 ;

徐治皋 .

中国电机工程学报, 2002, (10) :158-161

[6] 基于神经网络的负荷组合预测模型研究 [J].

谢开贵 ;

李春燕 ;

周家启 .

中国电机工程学报, 2002, (07) :85-89

[7] 基于自联想神经网络的测量数据自校正检验方法 [J].

司风琪 ;

徐治皋 .

中国电机工程学报, 2002, (06) :153-156

[8] 基于组合式神经网络的短期电力负荷预测模型 [J].

陈耀武 ;

汪乐宇 ;

龙洪玉 .

中国电机工程学报, 2001, (04) :80-83

[9] 基于人工神经元网络的测量数据正确性的验证方法在发电厂控制系统中的应用研究 [J].

董学育 ;

刘志远 ;

陈来九 .

中国电机工程学报, 1999, (12) :47-51

[10] 电站性能分析采样数据的可靠性检验方法 [J].

董学育 ;

胡华进 ;

徐治皋 .

动力工程, 1998, (02) :17-20+75+80