《表4 一组磨煤机的实测数据及模型训练结果》

  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

《机器学习在电站设备状态分析中的应用》

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

根据经验，设置LSTM神经网络为10个隐含层，每个隐含层为8个神经元，并将最后一个隐含层的激励函数设为Softmax函数，27个磨煤机输入变量，1个输出值，其输出值可作为设备状态的健康程度，输出值和1的差可作为设备可能发生事故的概率。表4为一组磨煤机的实时测点数据及采用LSTM神经网络模型训练结果。由表4可见，数据计算与分析可以得到磨煤机的健康度为99.7%，可能发生故障的概率为0.3%，设备处于良好的运行状态。