广义回归神经网络在煤灰熔点预测中的应用

被引：34

作者：

周昊

郑立刚

樊建人

岑可法

机构：

[1] 浙江大学热能工程研究所能源清洁利用与环境工程教育部重点实验室

来源：

浙江大学学报(工学版) | 2004年 / 11期

关键词：

灰熔点; 灰组分; 广义回归神经网络(GRNN);

D O I：

暂无

中图分类号：

TK227 [运行];

学科分类号：

摘要：

为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力.

引用

页码：90 / 93

页数：4