《表3 6种模型测试结果：基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在锅炉实际运行状况中，汽包水位异常状态数据归一化处理后如图6所示。图5实验结果通过与图6的真实数据相比对，AS-SDAE模型对3种不同类型的异常数据的判别率几乎高达100%。为进一步验证模型的可靠性，分别用AS-SDAE和SDAE(SGD）、SDAE(Adam）、支持向量机（Support Vector Machine，SVM）、人工神经网络（Artificial Neural Network，ANN）及文献[15]中的自编码器模型对汽包水位的异常状态数据进行训练试验，每种模型对3种类型的异常数据判别准确率如表3所示。