样本量对飞灰含碳量的神经网络预测精度的影响 effect of sample size on prediction accuracy of neural network for fly ash carbon content.pdfVIP

第28卷第9期 电力科学与工程 V01．28．No．9 38 2012年9月 ElectricPowerSd蚰eeand En西needng S印．，2012 样本量对飞灰含碳量的神经网络预测精度的影响 李 露，李 斌，杜艳玲，谢一民 (华北电力大学能源动力与机械工程学院，河北保定071003) 摘要：基于人工神经网络的飞灰含碳量在线监测研究主要集中在如何提高预测结果的精度。其中，大量 的研究是针对神经网络的结构和学习算法，而样本量对神经网络输出精度影响的研究不多。采用不同数 目的训练样本分别对神经网络进行训练，并利用预测结果评价指标，分析了训练样本数量对飞灰含碳量 预测精度的影响。结果表明：当样本量为25～35时，预测结果基本达到现场精度要求。 关键词：飞灰合碳量；样本量；预测精度；神经网络 中图分类号：TK222文献标识码：A 入局部极小。通过比较，本文采用了基于数值优 0 引言 网络训练。该算法是梯度下降法和高斯一牛顿法 人工神经网络技术在参数预测领域已得到广 的结合，既有高斯一牛顿法的局部收敛性，又具 泛应用¨。。。目前，基于神经网络的电站锅炉飞 有梯度下降法的全局特性，在飞灰含碳量预测的 灰含碳量预测研究已有很多，研究内容主要针对 研究中取得良好结果旧一。 网络结构和学习算法¨“o。而样本量对预测精度 L—M优化算法对权值调整公式为： 影响的研究尚无成熟的理论_。。 W(矗+1)=w(五)一(．，7-，+∥)“．，7e。(1) 由于影响神经网络预测能力的参数很多，且 误差平方和为： 没有一个确定最合适的神经网络结构的标准方法， 因此本文利用最常用的BP(BackPropagation)神 E=÷∑e； (2) 经网络，通过分析不同样本量的网络预测结果， 加 式中：w为神经元连接的权值矩阵；．，=焉为网 采用平均误差和标准差两个概念作为误差精度的 口W 评价标准，总结出了训练样本数量对飞灰含碳量 预测精度的影响规律，为提高神经网络预测结果 为训练误差；肛为比例系数；，为单位矩阵。当p 的精度提供了参考依据。 很大时，式(1)接近于梯度法；当肛很小时， 式(1)则变成了高斯一牛顿法。实际在计算过 1神经网络模型 程中，调节p的大小，开始时可以选择一个弘的 数值，在每步观察E的变化，来调节肛的大小‘81。 BP网络是一种按误差逆传播算法训练的多层 由于L—M算法采用近似二阶导数，比梯度下降 前馈网络，是目前应用最广泛的神经网络模型之 法快很多。实践证明，采用