《表1 近年来神经网络预测脱硫系统SO2排放量的算法细节》

  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

《现代预测和优化算法在脱硫系统运行中的应用》

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

注：ANN为人工神经网络（Artificial Neural Network）。

分析表1中的算法细节可以发现，在网络选型方面，国内学者早期多采用反向传播（Backpropagation，BP）神经网络进行SO2排放量预测。BP神经网络基于误差的反向传播，调整隐含层链接权值，是比较流行且应用广泛的神经网络模型。但BP神经网络具有训练结果的随机性和容易陷入局部最小值等劣势，一般引入遗传算法（Genetic Algorithm，GA）或者粒子群优化（Particle Swarm Optimization，PSO）算法，使其避免陷入局部极值并提升预测精度。此外，表1列举的文献中也有利用支持向量机（Support Vector Machines，SVM）进行参数寻优的算法设计。