《表4 灰色神经网络残差修正预测结果Tab.4 Gray neural network residual correction prediction re-sults》
基于经验公式和后续计算发现,该网络隐含层神经元个数为3时,计算结果较准确,故网络的拓扑结构为3-3-1,其它设置与上文中BP网络相同。将得到的新残差预测序列利用公式(11)计算后即可得到催化剂相对活性预测结果,见表4。分析表4发现,利用灰色神经网络残差修正模型对催化剂寿命进行预测时,预测值平均相对误差为4.78%,优于单独使用神经网络的5.02%和傅玉等[22]单独使用灰色预测方法的5.09%,证明该组合模型比单一模型更适用于对SCR脱硝催化剂的寿命预测。然而,由于该模型需要通过前项残差来修正后项残差从而预测催化剂寿命,因此若不及时更新数据则在长期预测中难以保证其预测准确性。
图表编号 | XD0023852300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.30 |
作者 | 沈勇、傅玉、唐诗洁、陆强、董长青、周景晖、庄柯 |
绘制单位 | 国电环境保护研究院、华北电力大学生物质发电成套设备国家工程实验室、华北电力大学生物质发电成套设备国家工程实验室、华北电力大学生物质发电成套设备国家工程实验室、华北电力大学生物质发电成套设备国家工程实验室、国电环境保护研究院、国电环境保护研究院 |
更多格式 | 高清、无水印(增值服务) |