10.16526/j.cnki.11-4762/tp.2015.12.048
基于神经网络参数优化的热失控状态温度预测研究
为提高夹杂热失控现象的微波干燥褐煤过程中神经网络预测温度精度,提出一种基于二次滤波及粒子群寻优的神经网络参数优化算法;该方法先引入小波分析对训练数据进行软阈值滤波处理,使温度数据在描述变化趋势的同时突出非平稳特征,而后使用粒子群算法寻找该趋势特征对应的神经网络最优的隐层节点数、学习率及最佳训练次数的组合,最后在预测中使用前向均值阈值滤波处理输入数据配合该最优网络进行预测;实验结果表明,该方法能同时提高热失控和非热失控状态下温度预测精度,使预测平均绝对误差下降59.2%.
微波褐煤干燥、神经网络、热失控温度、粒子群、小波分析、隐层节点
23
TP183(自动化基础理论)
国家973计划基金项目2013CB328903
2016-01-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
4075-4078,4092