典型文献
基于EEMD和卷积神经网络的电站NOx排放预测
文献摘要：
精准的NOx排放预测模型能够提高SCR系统的脱硝效率,为此本文分析了一维卷积神经网络在NOx预测领域的应用,并提出了一种结合集成经验模态分解和卷积神经网络的NOx排放预测方法.首先,对原始数据进行预处理,并采用互信息法确定输入变量.然后,采用集成经验模态分解算法对NOx数据进行分解处理,降低NOx数据的预测难度.最后,基于一维卷积神经网络构建各分量的预测模型并进行重构,得到最终的NOx预测结果.基于某电厂的实际运行数据进行实验,实验结果表明,所提出模型预测结果的平均绝对百分比误差为3.34％.一维卷积神经网络的超参数实验说明了 Adam优化方法和合适的输入步长有利于模型的训练,但是dropout正则化不利于模型的性能提升.
文献关键词：
卷积神经网络;NOx排放预测;集成经验模态分解;超参数
中图分类号：
作者姓名：
黄治军
作者机构：
内蒙古大唐国际托克托发电有限责任公司,内蒙古呼和浩特010206
文献出处：
引用格式：
[1]黄治军-.基于EEMD和卷积神经网络的电站NOx排放预测)[J].热能动力工程,2022(10):96-103
A类：
B类：
EEMD,NOx,排放预测,SCR,脱硝效率,一维卷积神经网络,合集,集成经验模态分解,原始数据,互信息法,网络构建,实际运行,运行数据,出模,平均绝对百分比误差,超参数,Adam,输入步长,dropout,正则化,性能提升
AB值：
0.233069
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
