样本优选bp神经网络在脱硫效率预测中de应用【精选】.pdfVIP

样本优选BP神经网络在脱硫效率预测中的应用 孙栓柱 。等 样本优选 BP神经网络在脱硫效率预测中的应用 ApplicationofBP NeuralNetworkBasedonPreferredTrainingSamples inPredictionofDesulfurizationEfficiency ． 栓往 李益 回 周春蕾 代家元 互 日月 (江苏方天电力技术有限公司 ，江苏 南京 211102；东南大学能源与环境学院 ，江苏 南京 210096) 摘 要 ：样本质量对神经网络的性能有重要影响，如何从高速增长的海量数据 中选择训练样本是一个难点。针对这一问题 ，运用一 种基于数据分布和聚类分析的样本优选方法对海量数据进行预处理，快速剔除数据集中的噪声信号，选择具有代表性的样本，从而有 效缩小样本空间、改善样本质量。最后 ，以燃煤机组石灰石．石膏湿法脱硫系统脱硫效率为输 出参数，选取影响脱硫效率的7个主要测 点为输入参数，建立BP神经网络预测模型，并应用提出的样本优选方法从海量历史数据中选取样本数据对模型进行训练和测试。训 练后的模型平均预测绝对误差达到0．75％，而且对不同工况的预测精度均较为平均。 关键词：湿法脱硫 脱硫效率 BP神经网络 样本优选 预测 中图分类号：TP399 文献标志码 ：A DOI：10．16086／j．cnki．issnlO00—0380．201503018 Abstract：Thequalityofsamplesmaygreatlyaffecttheperformanceofneuralnetwork，SOhow toselecttrainingsamplesfrom massiverapidly growthdataisdifficult．Aimingatthisproblem，byusing thepreferred sample selectionmethodbasedon data distribution andclustering analysis，themassivedataarepre·processedIthenoisesignalsindatasetareexcludedrapidly，SOtherepresentativesamplesareselected。thusthe samplespaceiseffectively shrunk，thequality ofsamples isimproved．Finally，withhte efficiency oflimestone—gypsum wetfluegas desulfurizationsystemofcoal—firedunitsastheoutputparameter。and7ofthemajormeasurementpointsthataffectingdesulfurizationefficiency areselectedastheinputparameterstoestablishBP neural networkpredictionmodel；andtheproposedpreferredsampleselectionmethodis appliedtoselectsampledatafrommassivehistoricaldatafortrainingandtestingthemode1．Theaveragepredictionabsoluteerroris0．75％ withthemodelaftertraining，andthepredictionaccuraciesunderdifferentoperatingconditionsaremoreorlessevenly． Keywords：Wetdesulfurization Desulfurizationefficiency BPneuralnetwork Preferredsma pleselection Prediction 低网络性能，就成为网络建模面临的一个难题。本文 0 引言 采用一种基于数据分布和聚类分析的样本优选方法 ， 江苏是全国率先利用实时监控系统对脱硫电价进 对海量数据进行降噪处理和样本选择 ，从而解决上