基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计

火电厂SCR脱硝系统的设计需要在满足脱硝效率的同时,尽可能节约成本,因此需要准确预测SCR脱硝所需的催化剂体积。火电厂的烟气条件复杂多变,烟气温度、烟气流量、出入口NO_x浓度等参数都会影响SCR催化剂的体积设计,因此催化剂体积预测是一个多因素耦合的问题。针对这一特点,使用BP神经网络对催化剂体积设计进行了预测,并针对该模型结构上的缺陷,进行基于遗传算法优化的神经网络建模研究。结果表明,遗传算法优化后的BP神经网络模型预测精度和数据拟合能力均有提高,为脱硝系统的催化剂体积设计提供了新思路。     

基于MIC和MPA-KELM的脱硫出口SO2浓度预测

建立脱硫出口SO₂浓度预测模型是实现脱硫系统经济运行的基础。针对这一问题,提出了基于最大信息系数(MIC)的变量选择方法和基于海洋捕食算法(MPA)优化核极限学习机(KELM)的脱硫出口SO₂浓度预测模型。首先,采用机理分析法筛选影响出口SO₂浓度的变量,提出循环浆液综合流量表达方法,便于描述浆液循环泵组合的影响特性;在此基础上,通过基于最大信息系数的变量选择算法确定模型输入变量;运用MPA对KELM的正则系数C和核参数S进行寻优,建立MPA-KELM的出口SO₂浓度预测模型;最后,利用电厂运行数据进行仿真实验。实验结果表明,所建立出口SO₂浓度预测模型的均方误差、平均绝对百分比误差分别为1.236 66 mg/m³和4.987 6%,预测精度高,能够为脱硫系统出口SO₂的现场优化控制提供技术支持。     

IGSA-LSSVM软测量模型预测燃煤锅炉NOx排放量

提出一种基于改进引力优化算法(IGSA)优化最小二乘支持向量机(LSSVM)的软测量模型(IGSA-LSSVM)以精确测量煤粉锅炉NO_x排放量。首先,针对引力搜索算法易陷入局部最小、全局优化能力差的问题,提出了一种改进的引力搜索算法,利用网格算法初始化种群,基于适应度值自适应递减惯性权重更新质点位置以提高全局优化性能;然后,采用IGSA优化选择LSSVM的超参数以改善模型的预测精度和泛化能力;最后,以330 MW燃煤锅炉为研究对象,建立IGSA-LSSVM的NO_x软测量模型,仿真结果表明该软测量模型具有更高的预测精度和泛化能力,能有效测量NO_x排放量。     

基于WOA–BP神经网络的液滴铺展预测

目的 提高BP神经网络对电喷印过程中液滴铺展行为的预测能力。方法 提出一种鲸鱼优化算法(WOA)优化BP神经网络的液滴铺展预测模型。首先，采用相场方法建立电场作用下液滴铺展的数值模型，并通过实验验证仿真结果的准确性。然后，选取初始直径、撞击速度、接触角和电场强度作为神经网络的输入参数，将最大铺展直径作为神经网络的输出参数，利用鲸鱼优化算法优化神经网络中的初始权值和阈值，构建液滴铺展预测模型。最后，基于仿真结果对预测模型进行训练与测试，并将其与传统的BP神经网络模型进行对比分析。结果 相较于传统BP神经网络预测模型，WOA–BP神经网络预测模型的平均绝对误差、均方根误差分别降低了72.60%、77.60%，而平均绝对百分比误差则从15.029 3%减小为4.585 3%。结论 WOA–BP神经网络预测模型可以更好地预测液滴铺展，可为液滴铺展的预测提供新的方法。     

基于线性趋势与神经网络的校准间隔组合预测

为了实现对测量仪器校准间隔的优化,对其校准数据进行建模,用滑动平均建模法建立线性趋势模型,预测参数的总体趋势,在此基础上利用动态神经网络对预测残差序列进行补偿,从而得到校准数据的预测值。给出基于线性趋势与神经网络的组合预测模型,通过实验对预测模型进行了验证和对比分析,并以此为根据对校准间隔进行优化。结果表明,该组合模型比单一模型预测精度高,既能预测总体趋势也能适应随机波动,并且简单易行,具有较强的普适性。     

基于BP神经网络的Cu-Ce掺杂TiO2光催化剂性能预测组合模型研究

采用环境测试舱模拟可见光下的室内环境,以甲醛气体的光催化降解为探针反应,评价了Cu-Ce/TiO2光催化剂的光催化活性及对甲醛气体的去除效果。利用指数平滑-神经网络ES-BP组合模型对Cu-Ce/TiO2光催化剂的性能做预测分析。结果表明:经过Cu-Ce/TiO2光催化剂处理后细木工板中甲醛释放浓度明显降低,平均光催化降解甲醛气体效率为42.8%;ES-BP组合预测模型在Cu-Ce/TiO2光催化剂的性能预测中取得了较好的效果,平均绝对误差为-0.00011mg/m3,平均相对误差为-0.317%;ES-BP组合预测模型实现了BP神经网络模型和指数平滑模型的优势互补,提高了对数据长期预测的准确性。     

基于KPCA-WOA-ELM的爆破飞石距离预测

为提高爆破飞石距离预测的精度和效率，构建了一种基于核主成分分析法（KPCA）和鲸鱼算法（WOA）优化的极限学习机（ELM）爆破飞石距离预测模型。以国内某露天煤矿爆破工程为例，选取影响爆破飞石距离的7个因素。通过KPCA对影响因素间非相关性关系进行降维，提取出包含原始信息95.76%的4个主成分作为模型输入。然后,采用WOA对ELM进制参数寻优，避免了局部最优解问题。结果表明，KPCA-WOA-ELM模型的平均相对误差、均方根误差R_MSE、决定系数R²和平均绝对误差R_MAE分别为4.271%、6.681、0.985和6.413，均优于对比模型。说明该模型可实现对爆破飞石距离的准确预测，为确定爆破作业中的爆破安全区提供依据。     

基于GA-BP神经网络晶粒尺寸预测模型的轮端轮毂锻造工艺优化

目的 针对6082铝合金轮端轮毂在热处理过程中出现的粗晶问题,利用基于遗传算法优化的BP神经网络晶粒尺寸预测模型模拟优化锻造工艺方案,避免产生粗晶。方法 以遗传算法替代梯度下降法优化神经网络各节点的权值和阈值,建立高精度的GA-BP神经网络晶粒尺寸预测模型,再以轮端轮毂为对象,设计锻造工艺方案并利用Deform进行微观组织仿真,研究压下速率、坯料初始温度对晶粒尺寸的影响,获得最优方案。结果 优化模型预测的晶粒尺寸平均值和最大值的平均绝对百分比误差分别为2.55%、0.43%,与常规的BP神经网络相比,准确性有了较大提高。对比不同锻造方案的结果,得到轮毂较优的初始坯料温度为500℃,压下速率为200 mm/s,经试验验证,锻件特征位置的晶粒尺寸预测值与实际值之间的误差均在10%以下,表明该预测模型具有良好的工程应用价值。结论 遗传算法的引入大大增强了BP神经网络的全局寻优能力,提高了模型的准确性。在Deform中复现的预测模型对锻件的晶粒尺寸分布有较好的预测效果,并基于此成功模拟、优化了轮端轮毂的锻造方案。     

灰色神经网络模型在电信业务预测中的应用与研究

神经网络由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而基于灰色系统模型神经网络是一种寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务量的主要因素,将神经网络与灰色系统模型有机结合起来,建立了相应的灰色系神经网络模型用于电信业务量的预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于传统的预测方法,而且具有良好的泛化性。     

基于改进最优觅食算法的锅炉NOx排放预测研究

提出了一种改进的最优觅食算法(POFA),在最优觅食算法中引入自适应惯性权值与全局最优解来改进算法的更新公式,同时加入相空间搜索的机制。利用改进的最优觅食算法优化极端学习机(ELM)构建一个改进的极端学习机模型(POFA-ELM),并用该模型对锅炉NO_x的排放特性进行建模。将该模型与ELM、差分进化算法、粒子群算法、人工蜂群算法以及基本的最优觅食算法优化的ELM模型进行比较。结果表明:该模型的预测精度更好,泛化能力更强,可以更加准确地预测NOx的排放质量浓度。     

基于组合预测方法的城市道路短时交通流预测

随着我国城市化进程的加速,市民对出行的需求也日益增加,准确的交通预测模型对于更好地分析路网交通状况,规划交通网络和实现交通优化控制策略都有十分重要的作用。以城市路网短时交通流预测为研究对象,建立了基于ARMA模型和BP神经网络模型的组合预测模型,深入研究了城市路网的划分、路网构建和特征路口交通流预测等内容,形成了一个较为完整的城市路网预测体系,通过实测交通流数据,验证了所述方法的可行性和有效性,为城市路网交通流预测提供了一种解决方向。     

机器学习方法的CO2并行压缩系统最优控制

为了研究一种高效的跨临界CO2并行压缩系统的控制方法,本文借助GT-SUITE仿真软件,建立了跨临界CO2并行压缩系统的动态仿真模型,基于仿真得到的系统性能数据集,建立并对比了二阶多项式模型和神经网络模型的系统性能预测模型,并基于神经网络模型开发了跨临界CO2并行压缩系统的模型预测控制器,研究控制器对系统控制稳定性、高效性、实时控制的性能。结果表明：在模型预测控制器作用下,不同制冷工况在150 s内系统能达到稳定运行状态;对比定值控制,采用模型预测控制的系统性能最大提升13.3%;仿真验证了提出的模型预测控制策略对于CO2并行压缩系统实时控制性能优化的可行性,在给定工况下相比对定值控制整体提升性能7.3%。     

基于RBF神经网络的生物质电站高温气体CO2浓度测量方法

电站气体浓度测量对实现燃烧优化、提高燃烧效率和火焰品质、减少污染物排放具有重要意义。以CO₂气体为例进行研究,基于近红外波段可调谐激光吸收层析成像技术,提出了基于径向基(radial basis function, RBF)神经网络的高温气体CO₂浓度测量方法。通过实验获取不同浓度下的CO₂吸收可调谐激光光谱信号,计算CO₂吸收谱线和原始信号的差值,提取出描述该差异性的统计特征参数作为RBF神经网络的输入,CO₂浓度作为RBF神经网络的输出,建立了基于RBF神经网络的高温气体CO₂浓度测量仿真模型,通过仿真实例验证了该方法的有效性和正确性。与GRNN神经网络对比分析表明:RBF神经网络法可以有效提高CO₂浓度测量精度,为生物质发电高温气体计量提供理论依据。     

基于组合预测模型的铁路集装箱运量预测

为了克服单项预测模型的单一性和片面性等缺点,本文应用组合预测模型对铁路集装箱运量进行预测,以提高预测的准确性。通过对运量的历史数据分别采用多项式曲线模型和灰色预测模型建立单项预测模型,再利用径向基神经网络对两个单项预测模型的结果进行组合预测。研究结果表明,相比于两单项预测方法,组合预测方法所得运量的相对误差分别提高了3.19%和12.76%。最后,应用马尔科夫链模型对组合预测的结果进行分析和修正,增加预测结果的可靠性。     

海水腐蚀速率的不等时距灰色模型与BP神经网络模型组合预测

金属在海水中的腐蚀机理及变化规律十分复杂,且采集腐蚀数据存在时间间隔不均匀、数据量小等问题,难以获取准确数据.基于灰色系统理论,提出运用能够适应具有无规律的采集时序数据的不等时距GM(1,1)模型对金属海水腐蚀速率进行建模,并引入了BP人工神经网络模型对预测结果进行残差修正,以提高预测精度.以A3钢与15MnMoVN钢腐蚀行为作为实例,进行预测和分析.结果显示:不等时距GM(1,1)与BP神经网络组合预测模型的预测效果明显优于单一预测模型,能更真实地反映海水腐蚀的变化趋势,因而具有较高应用价值.     

基于BP-RBF组合神经网络的废气监测盲区SO_2浓度预测

工业园区大气管理中,监测盲区的废气浓度分析是现有监测系统需要解决的难点问题.本文提出一种组合神经网络,利用已知监测点信息对监测盲区的废气浓度进行预测.首先,根据BP与RBF神经网络的特点,提出二者组合的神经网络结构;其次,分析监测盲区废气浓度预测问题,并提出基于BP-RBF组合网络的预测模型算法;最后,运用工业园区SO_2实际监测数据对所提组合网络预测方法进行实验验证.实验结果表明:本文所提BP-RBF组合网络预测方法具有良好的性能,适用于监测盲区废气浓度预测问题.     

组合模型预测浙江省旅游需求

根据中国统计年鉴公布的数据,建立基于时间序列ARIMA模型和BP神经网络组合模型对旅游需求进行预测。首先,建立ARIMA模型对浙江省旅游需求进行分析预测。然后,将得到的预测误差序列作为BP神经网络模型的输入值,进一步减小相对误差,综合ARIMA模型的预测结果和BP模型得到的预测误差,获得精确度较高的旅游需求预测模型。最后,与灰色系统GM(1,1)的预测结果进行比较。     

基于MPA-SVM的煤矿抛掷爆破爆堆形态预测

为提高爆堆形态预测精度，提出了一种海洋捕食者算法（MPA）优化支持向量机（SVM）的方法，结合黑岱沟露天煤矿爆破工程数据，选取其中8个参数作为影响爆堆形态的输入参数，松散系数ξ和Weibull函数的2个控制变量α、β为输出参数，建立基于MPA-SVM的爆堆形态预测模型，并与同期使用的5个模型进行比较。结果表明:MPA-SVM的预测效果优于其他5个模型，相对误差未超过5%，3个评价指标分别为R₂（0.955,0.978,0.946），R_MSE（0.063,0.075,0.116），R_MAE（0.046,0.056,0.067），证明了MPA-SVM对爆堆形态预测的适用性，且在小样本数据条件下更具有精度优势。     

基于模型预测的日光温室温度优化控制

针对日光温室室内温度的优化控制,在切换控制的基础上提出基于模型预测(model predictive control,MPC)的温度控制方法。首先以室外环境因素、设备开关量以及室内温度为输入,建立NARX神经网络室内温度预测模型;进而将其输出作为目标优化函数的输入,该函数以温度的控制误差、设备切换次数、系统能耗为约束,从而将控制问题转化为目标函数的求解问题,在此基础之上得到局部最优的开关设备控制序列;最终通过滚动优化机制进入最佳温度切换控制状态。实验结果表明:基于模型预测的切换控制算法可以有效调控温室内的温度,降低温室系统能耗。     

混沌粒子群优化的RBF神经网络在热油管道仿真中的应用

针对加热输油管道仿真中管道内油流温度和压力变化,本文基于神经网络算法,利用管道数据采集与监控(SCADA)系统获取的500组历史运行数据,建立了管道沿线温度和压力的预测模型.提出的预测模型采用混沌粒子群改进的RBF(CPSO-RBF)神经网络算法.对RBF神经网络的参数(中心和宽度)、连接权重进行优化,通过与其他方法对比可知提出的CPSO-RBF预测模型具有精度高、收敛快等特点.在日照-仪征热油管道实际运行方案中验证了提出的CPSO-RBF预测模型的可行性.