《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》
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。
图表编号 | XD00119599200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 娄建楼、李燕、王琦、孙博、贾俊奇 |
绘制单位 | 东北电力大学计算机学院、吉林省电力大数据智能处理工程技术研究中心、东北电力大学计算机学院、中国石油天然气集团有限公司吉林石化分公司动力一厂、东北电力大学计算机学院、东北电力大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |