我们的网站为什么显示成这样？

可能因为您的浏览器不支持样式，您可以更新您的浏览器到最新版本，以获取对此功能的支持，访问下面的网站，获取关于浏览器的信息：

|本期目录/Table of Contents|

基于主成分和贝叶斯正则化的NOx排放量的预测

《热力发电》[ISSN:1000-9035/CN:22-1262/O4]

期数:
2010年02期
页码:
24-27
栏目:
热能基础研究
出版日期:
2010-02-15

文章信息/Info

Title:
PREDICTION OF NOx EMISSION BASED ON PRINCIPAL COMPONENTS AND BAYESIAN REGULARIZATION
作者:
杨 飞; 卢保玲
北京交通大学机械与电子控制工程学院，北京 100044
Author(s):
YANG Fei; LU Bao-ling
College of Mechanical and Electronic Control Engineering，Beijing Jiaotong University，Beijing 100044，PRC
关键词:
300 MW机组; 锅炉; NOx排放量; 主成分分析; BP神经网络; 贝叶斯正则化
分类号:
TK229.6
DOI:
-
文献标识码:
A
摘要:
针对电厂燃煤锅炉NOx排放量预测建模中输入因子过多而导致神经网络结构规模过大、泛化能力差的问题，通过主成分分析和贝叶斯正则化的方法对BP神经网络进行改进，优化网络结构，从而提高了泛化能力。以某300 MW机组锅炉热态多工况试验数据为例，改进的神经网络预测方法与传统的神经网络方法相比，泛化能力有显著提高，而且网络的收敛稳定，实际预测效果良好。

参考文献/References

［1］王新军，王飞，马增益，等.用于电站燃煤锅炉NOx排放监测的BP神经网络试验研究［J］.动力工程，2002，22(5):1979-1982.［2］白卫东，严建华，王飞，等.统计回归方法在电站锅炉氮氧化物排放量监测中的应用［J］.动力工程，2008（6）：431-435.［3］郭建民，刘石，姜凡，等.基于SVM的对冲燃煤锅炉NOx排放特性［J］.燃烧科学与技术，2006，12(3):244-247.［4］金龙，况雪.人工神经网络预报模型的过拟合研究［J］.气象学报，2004，62(1):62-63.［5］黄燕，吴平.SAS统计分析及应用［M］.北京：机械工业出版社，2006.［6］蔡煜东，姚林生.径流长期预报的人工神经网络方法［J］.水科学进展， 1995，6(1):61-65.［7］李鸿雁，刘寒冰.提高人工神经网络洪水预报精度的研究［J］.自然灾害学报，2002，11(1):57-60.［8］江学军，唐焕文.前馈网络泛化性能的系统分析［J］.系统工程理论与实践，2000，20(8):36-40.［9］刘学伟，贺昌政.基于贝叶斯正则化BP神经网络的上市公司信用评价研究［J］.软科学， 2005，19(5):9-10.［10］冯国章，李佩成.人工神经网络结构对径流预报精度的影响分析［J］.自然资源学报，1998，12(3):16-17.［11］郭建民.基于数字图像处理技术的锅炉火焰检测与污染物排放特性研究［D］.北京：中科院工程热物理研究所，2006.［12］陈彦光.研究生地理数学方法实习（PartⅡ：统计分析软件SPSS）［M］.2008.（北大教材）

备注/Memo

备注/Memo:
杨飞(1955-)，男，北京，副教授，高级工程师，北京交通大学机械与电子控制工程学院副院长，主要从事热能动力工程专业的教学与研究。
更新日期/Last Update: 2010-02-15