10.19557/j.cnki.1001-9944.2017.10.015
基于递归神经网络的火电机组污染物排放研究
该文通过研究海量的发电机组历史污染物排放数据,提出一种基于LSTM-RNN深度学习的改进型发电机组排放预测算法ALSTM-RNN(A-R).A-R算法可以有效地提取出模型特征量,结合数据的归一化对模型的结果进行优化调整,以降低模型训练时间,提高预测精度.通过在不同的发电机组测试试验,A-R算法较最小二乘法(LSM),支持向量机回归(SVR)具有较小的均方误差值,较LSTM-RNN模型预测方差更小,更加稳定,具有较好的鲁棒性.
深度学习、递归神经网络、节能减排、预测模型、改进算法
32
TM933
国家电网公司科技项目52120015007W,521200160026
2018-05-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
68-71,76