魏德米勒官方微信正式上线.pdfVIP

42 石油化工 自动化 第 51卷 网络的预测模型，由1个输入层、1个隐含层和1个 训练，当训练误差达到最小时停止训练，此时用训 输出层组成。对于BP神经网络的输入层和输出 练好的神经网络对预测数值进行了验证。 层个数的计算没有具体的理论公式，一般通过实际 5 结 论 情况来确定其个数。将影响脱硫效率的5个主要 BP神经网络用于脱硫系统的预测，有较高的 影响因素作为脱硫效率模型的输入神经元的个数， 预测精度和较强的实用性，经过模拟仿真得到了验 所 以输入节点为 5个，输 出节点为 1个即脱硫效 证。该实验中在训练之前首先要对初始数据进行 率。在确定隐含层的节点时，采用经验法，并通过 归一化处理，确定隐含层的神经元个数，对于期望 网络不断训练确定了11个隐含层的节点数。输入 值的设置要适度，期望误差不是越小越好，误差精 层采用有监督的学习方法，隐含层采用S型传递函 度选用了 1O～，达到了很好的预测效果。因此，在 数，输出层采用线性传递函数。在脱硫系统中的样 脱硫控制系统中，通过改变影响脱硫效率的因素能 本中采用了40组数据，其中前 3O组作为训练样 够提高脱硫效果，达到最终的目的。 本，后 10组作为预测样本，如图4所示。 参考文献 ： [1] ZHAOY，WANG SX，DUAN I，eta1．PrimaryAir PollutantEmission ofCoal—fired PowerPlants in China： CurrentStatusandFuturePrediction 【J ．Atmospheric Environment，2008，42(36)：8442—8452． 杨飚．氮氧化物减排技术与烟气脱硝工程 [M]．北京：冶金 工业出版社 ，2007． 董长虹．Matlab神经网络与应用 [M]．北京：国防工业 出版 社 ，2005． 袁 曾任．人工神经元网络及其应用EM]．北京：清华大学出 版社 ，1999． 张化光，何希勤．模糊 自适应控制理论及其应用[M]．北京： 北京航空航天大学出社，2002． 程换新，伊飞．面向轻汽油醚化的BP神经网络的预测模型 控制-IJ]．石油化工 自动化，2012，48(06)：40—41． 图4 模型对烟气脱硫效率的预测值与实际值对比 傅荟璇，赵红．Matlab神经网络应用设计 [M]．北京：机械 在进行训练前需要用归一化公式对数据进行归 工业 出