《表1 近年来神经网络预测脱硫系统SO2排放量的算法细节》
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。
图表编号 | XD00137341500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 曹建宗、林宸雨、陈文通、刘琦、周权、要亚坤、樊帅军、马彩妮、马双忱 |
绘制单位 | 深能保定发电有限公司、华北电力大学环境科学与工程系、深能保定发电有限公司、华北电力大学环境科学与工程系、华北电力大学环境科学与工程系、深能保定发电有限公司、华北电力大学环境科学与工程系、华北电力大学环境科学与工程系、华北电力大学环境科学与工程系 |
更多格式 | 高清、无水印(增值服务) |