本文主要研究内容
作者陈涛,王立勇,徐小力,王少红（2019）在《基于改进Elman神经网络的烟气轮机运行状态趋势预测》一文中研究指出：为提高烟气轮机状态趋势预测的精度,提出一种改进Elman神经网络的趋势预测方法。首先,引入以四分位数和四分位距为基础的箱线图方法判别异常值,并对缺失的数据进行插补,为状态趋势预测提供可靠的全数据序列;其次,根据设备运行状态数据序列具有的时间依存性,计算数据序列不同时延的相关程度,以相关系数最大值点对应的时延为最优预测步长;最后构建三层最优预测步长Elman神经网络对烟气轮机运行状态全数序列进行趋势预测实例分析。研究结果表明,箱线图法能够简捷快速、直观明了地判别异常值;邻近点中位数插补方法更贴近原始数据分布规律,为最优插补方法;相较其他预测步长的Elman神经网络预测方法,最优预测步长的预测误差最小、预测精度最高;同时,Elman神经网络最优预测步长方法的预测误差较BP、RBF神经网络更小、预测精度更高。改进Elman神经网络趋势预测方法能够为烟气轮机的状态趋势预测提供一种有效的预测方法,该方法还可应用于其他关键设备的趋势预测中。
Abstract
wei di gao yan qi lun ji zhuang tai qu shi yu ce de jing du ,di chu yi chong gai jin Elmanshen jing wang lao de qu shi yu ce fang fa 。shou xian ,yin ru yi si fen wei shu he si fen wei ju wei ji chu de xiang xian tu fang fa pan bie yi chang zhi ,bing dui que shi de shu ju jin hang cha bu ,wei zhuang tai qu shi yu ce di gong ke kao de quan shu ju xu lie ;ji ci ,gen ju she bei yun hang zhuang tai shu ju xu lie ju you de shi jian yi cun xing ,ji suan shu ju xu lie bu tong shi yan de xiang guan cheng du ,yi xiang guan ji shu zui da zhi dian dui ying de shi yan wei zui you yu ce bu chang ;zui hou gou jian san ceng zui you yu ce bu chang Elmanshen jing wang lao dui yan qi lun ji yun hang zhuang tai quan shu xu lie jin hang qu shi yu ce shi li fen xi 。yan jiu jie guo biao ming ,xiang xian tu fa neng gou jian jie kuai su 、zhi guan ming le de pan bie yi chang zhi ;lin jin dian zhong wei shu cha bu fang fa geng tie jin yuan shi shu ju fen bu gui lv ,wei zui you cha bu fang fa ;xiang jiao ji ta yu ce bu chang de Elmanshen jing wang lao yu ce fang fa ,zui you yu ce bu chang de yu ce wu cha zui xiao 、yu ce jing du zui gao ;tong shi ,Elmanshen jing wang lao zui you yu ce bu chang fang fa de yu ce wu cha jiao BP、RBFshen jing wang lao geng xiao 、yu ce jing du geng gao 。gai jin Elmanshen jing wang lao qu shi yu ce fang fa neng gou wei yan qi lun ji de zhuang tai qu shi yu ce di gong yi chong you xiao de yu ce fang fa ,gai fang fa hai ke ying yong yu ji ta guan jian she bei de qu shi yu ce zhong 。
论文参考文献
论文详细介绍
论文作者分别是来自广西大学学报(自然科学版)的陈涛,王立勇,徐小力,王少红，发表于刊物广西大学学报(自然科学版)2019年02期论文，是一篇关于异常值判别论文,缺失数据插补论文,最优预测步长论文,神经网络论文,状态趋势预测论文,广西大学学报(自然科学版)2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自广西大学学报(自然科学版)2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：异常值判别论文; 缺失数据插补论文; 最优预测步长论文; 神经网络论文; 状态趋势预测论文; 广西大学学报(自然科学版)2019年02期论文;