《表1 神经网络输出编码规则》
选取热力站u1与邻近热力站u2和u4以及热源P为观测点,将非正常运行工况下或者含有随机添加粗大误差的情况下,与正常运行工况相比的节点供、回水压力变化率和所在管段的质量流量变化率作为神经网络的输入,其中热源回水压力作为定压点,取0,因此输入层节点数为4个观测点的3组数据共12个。对于隐层节点数的确定原则是[10]:在满足误差精度要求的前提下采用尽可能简单的结构,即隐层节点数尽可能地小,本文中根据模型复杂程度取经验值。神经网络的输出层具有一个输出单元,输出的是数据异常模式编码,输出编码与异常模式的对应规则见表1。故本神经网络结构为5层神经网络,各层节点数为:12、10、10、5、1。为了避免不必要的数值问题并加速网络的迭代收敛过程,对神经网络的输入与输出数据进行归一化处理。本文中神经网络输入的数据均采用相对变化率的无量纲数,输出则是整数数值,因此采用最大-最小标准化对数据进行归一化处理。本文选用Re LU函数作传递函数,权值初始化方法采用MSRA初始化。误差函数选择交叉熵函数。
图表编号 | XD00202899600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 郭佳昌、兰芸、薛普宁、周志刚、刘京 |
绘制单位 | 哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、中国中车长春轨道客车股份有限公司、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室 |
更多格式 | 高清、无水印(增值服务) |