基于RBF神经网络和BP神经网络的燃煤锅炉NOx排放预测

English

您当前的位置：

首页 >

文章列表页 >

热力发电 2016年第7期

发电技术论坛 | 更新时间：2025-09-28

- 基于RBF神经网络和BP神经网络的燃煤锅炉NOx排放预测
- NOx emission prediction for coal-fired boilers based on RBF Neural network and BP Neural network
- 作者机构：
  
  南昌大学机电工程学院,江西,南昌,330031
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TK223.23
- 网络出版：2016-08-15，
  
  纸质出版：2016
- 稿件说明：
移动端阅览
余廷芳, 刘冉. 基于RBF神经网络和BP神经网络的燃煤锅炉NOx排放预测[J]. 热力发电, 2016,(7).

YU Tingfang, LIU Ran. NOx emission prediction for coal-fired boilers based on RBF Neural network and BP Neural network[J]. Thermal Power Generation, 2016, (7).
余廷芳, 刘冉. 基于RBF神经网络和BP神经网络的燃煤锅炉NOx排放预测[J]. 热力发电, 2016,(7). DOI：

YU Tingfang, LIU Ran. NOx emission prediction for coal-fired boilers based on RBF Neural network and BP Neural network[J]. Thermal Power Generation, 2016, (7). DOI：

基于某超超临界660 MW机组燃煤锅炉现场热态实验数据

利用MATLAB智能工具箱

分别采用径向基(RBF)神经网络和BP神经网络对该锅炉NOx排放特性进行建模

采用交替梯度算法对RBF神经网络预测模型进行输出层权值及RBF函数的中心与标准偏差值优化

对BP神经网络采用动量法进行改进。2种模型的仿真和预测结果对比分析表明:参数优化后的RBF神经网络预测模型预测结果的最大误差为3.0％

平均误差为1.75％；改进后的BP神经网络预测模型预测结果最大误差为6.6％

平均误差为4.5％；2种建模方法均具有较好的准确性和泛化能力

其中RBF神经网络模型的计算速度快，拟合和泛化能力更强。

浏览量

204

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

非对称高速贴壁风系统在530 MW俄制机组上的应用

基于改进BP神经网络的火电厂实时数据预测模型研究

神经网络算法在汽轮机排汽焓估算中的应用

HT-NR3旋流燃烧器冷态试验

改进BP神经网络在低氮燃烧优化中的应用