《表1 神经网络输出编码规则》

  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

《供热管网运行数据异常校正方法研究》

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

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。