

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著電廠信息化水平的不斷提高,基于數(shù)據(jù)的系統(tǒng)研究正逐步引起人們的關(guān)注。其中,基于運行數(shù)據(jù)的復(fù)雜熱工系統(tǒng)建模便是研究熱點之一。該方法有效克服了機理建模精度不足,試驗建模工作量太大的缺點。本文在介紹熱工建模方法、分析熱工運行數(shù)據(jù)特性的基礎(chǔ)上,研究了主成分分析法和極限學(xué)習(xí)機算法及其在熱工過程建模方面的應(yīng)用。以超臨界機組過熱汽溫系統(tǒng)為實例,利用現(xiàn)場運行數(shù)據(jù)建立了基于極限學(xué)習(xí)機的神經(jīng)網(wǎng)絡(luò)模型。
首先,針對現(xiàn)場運行數(shù)據(jù)信息量大、變量間存在
2、冗余等復(fù)雜特性,本文將主成分分析(Principal Component Analysis,PCA)方法用于模型輔助變量的選擇。該方法能夠?qū)⒋嬖谙嚓P(guān)性的原始輸入變量轉(zhuǎn)化為互不相關(guān)的主成分,有效克服了系統(tǒng)輸入變量間的冗余問題,優(yōu)化了模型輸入變量,保證了模型的準(zhǔn)確性和有效性。
然后,研究了極限學(xué)習(xí)機算法和核極限學(xué)習(xí)機算法在系統(tǒng)建模中的應(yīng)用,分析了模型參數(shù)的選擇以及模型驗證方法。利用主成分分析和極限學(xué)習(xí)機相結(jié)合的方法對Box-Jen
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 大型火電機組熱工測量數(shù)據(jù)診斷、融合和補償.pdf
- 大型火電機組制粉系統(tǒng)建模及運行優(yōu)化.pdf
- 基于運行數(shù)據(jù)的風(fēng)電機組性能評估研究.pdf
- 基于運行數(shù)據(jù)的風(fēng)電機組狀態(tài)監(jiān)測研究.pdf
- 基于運行數(shù)據(jù)的風(fēng)電機組在線狀態(tài)評估.pdf
- 基于Matlab-Simulink大型火電機組建模與仿真研究.pdf
- 大型火電機組對流受熱面積灰建模.pdf
- 基于SIS數(shù)據(jù)的火電機組仿真系統(tǒng)建模優(yōu)化研究.pdf
- 基于熱經(jīng)濟學(xué)結(jié)構(gòu)理論的火電機組運行特性研究.pdf
- 大型火電機組熱經(jīng)濟性的在線計算.pdf
- 基于運行數(shù)據(jù)的風(fēng)電機組故障診斷與預(yù)測.pdf
- 基于數(shù)據(jù)挖掘技術(shù)的火電機組運行參數(shù)優(yōu)化方法研究.pdf
- 大型火電機組建模與驗?zāi)7椒ǖ难芯?pdf
- 火電機組熱工參數(shù)軟測量與燃燒優(yōu)化研究.pdf
- 大型火電機組負(fù)荷系統(tǒng)的建模與優(yōu)化控制策略研究.pdf
- 風(fēng)電機組運行數(shù)據(jù)中異常值的檢測方法.pdf
- 新建火電機組熱工調(diào)試工程實踐與研究.pdf
- 火電機組反向建模方法的研究.pdf
- 基于現(xiàn)場數(shù)據(jù)的熱工過程動態(tài)建模及仿真研究.pdf
- 基于運行數(shù)據(jù)的風(fēng)電場等效建模研究.pdf
評論
0/150
提交評論