基于主成分和贝叶斯正则化的nox排放量的预测 prediction of nox emission based on principal components and bayesian regularization.pdfVIP

下载本文档

6
0
约1.58万字
约 5页
2017-08-12 发布于上海
举报
版权申诉

基于主成分和贝叶斯正则化的nox排放量的预测 prediction of nox emission based on principal components and bayesian regularization.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于主成分和贝叶斯正则化的nox排放量的预测 prediction of nox emission based on principal components and bayesian regularization

基于主成分和贝叶斯正则化的 NOx扫E放量白刍予页坝』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 [摘要] 针对电厂燃煤锅炉NO。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。 [关键词] 300 Mw机组；锅炉；NO。排放量；主成分分析；BP神经网络；贝叶斯正则化 [中图分类号]TK229．6 A [xz献标识码] [文章编号]1002—3364(2010)02—0024—04 EDOI编号]10．3969／j．issn．1002—3364．2010．02。024 PREDICTION OF EMISSION NOx BASEDoNPRINCIPAL COMPONENTSANDBAYESIAN YANG Fei，LU BaO—ling ofMechanicaland College ElectronicControl Engineering，BeijingJiaotong 100044，PRC University，Beijing the oftoo Abstract：Directingagainst sizeand problemslarge oftheneu— poorgeneralization capability ralmetwork structureduetotoo factorsin many modelfor input establishingpredicting from coal—firedboilersin BPneuralnetwork power hasbeenmodified plants，the through and componentanalysis networkstructure Bayesi