中国电机工程学报
中國電機工程學報
중국전궤공정학보
ZHONGGUO DIANJI GONGCHENG XUEBAO
2007年
17期
94-97
,共4页
李蔚%盛德仁%陈坚红%任浩仁%袁镇福%岑可法%周永刚
李蔚%盛德仁%陳堅紅%任浩仁%袁鎮福%岑可法%週永剛
리위%성덕인%진견홍%임호인%원진복%잠가법%주영강
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
雙重BP神經網絡%實時%組閤預測%迴歸神經網絡%延時神經網絡
쌍중BP신경망락%실시%조합예측%회귀신경망락%연시신경망락
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.
在迴歸和延時神經網絡的基礎上,利用非線性組閤預測方法的優點,提齣一種新的預測模型--雙重BP神經網絡組閤模型模型,選用某660MW機組的主蒸汽流量數據進行學習訓練,實例計算結果錶明雙重BP神經網絡組閤模型可提高單項預測模型的精度,校覈樣本的平均相對誤差為1.5%,而單獨採用迴歸神經網絡和延時神經網絡進行預測的平均相對誤差分彆為2.7%和1.9%,證明雙重BP神經網絡組閤模型具有很高的預測精度,可應用于火電廠實時數據的有效性驗證.
재회귀화연시신경망락적기출상,이용비선성조합예측방법적우점,제출일충신적예측모형--쌍중BP신경망락조합모형모형,선용모660MW궤조적주증기류량수거진행학습훈련,실례계산결과표명쌍중BP신경망락조합모형가제고단항예측모형적정도,교핵양본적평균상대오차위1.5%,이단독채용회귀신경망락화연시신경망락진행예측적평균상대오차분별위2.7%화1.9%,증명쌍중BP신경망락조합모형구유흔고적예측정도,가응용우화전엄실시수거적유효성험증.
