2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領

文檔簡介

1、隨著分散控制系統(tǒng)和管理信息系統(tǒng)在發(fā)電企業(yè)中的廣泛使用,火電機組實時運行數(shù)據(jù)的獲取變得越來越方便。研究如何利用這些已有的現(xiàn)場數(shù)據(jù)去建立熱工過程的模型,具有重要的實際意義。本文以神經(jīng)網(wǎng)絡辨識為主,以現(xiàn)場數(shù)據(jù)為依據(jù),研究了神經(jīng)網(wǎng)絡在熱工過程模型辨識中的應用。
   在仿真環(huán)境下,分析了不同辨識用輸入信號下BP網(wǎng)絡、RBF網(wǎng)絡的辨識效果。仿真試驗表明,逆M序列下神經(jīng)網(wǎng)絡的辨識效果最好,正弦信號次之,階躍信號最差;試驗還表明,BP網(wǎng)絡更適

2、合來作為基于現(xiàn)場數(shù)據(jù)建模的工具。為了提高神經(jīng)網(wǎng)絡的泛化能力,引入了貝葉斯正則化方法和神經(jīng)網(wǎng)絡集成方法。試驗結(jié)果表明貝葉斯正則化方法可以顯著得提高BP網(wǎng)絡的泛化能力,可以作為基于現(xiàn)場數(shù)據(jù)建模的主要學習算法;集成網(wǎng)絡的測試誤差要小于大部分子網(wǎng)的測試誤差,神經(jīng)網(wǎng)絡集成方法可以在一定程度上提高神經(jīng)網(wǎng)絡的泛化能力。針對現(xiàn)場運行數(shù)據(jù)的特點,使用歸一化方法對數(shù)據(jù)進行預處理,使用主元分析法來分析影響主要監(jiān)控變量變化的主導因素。
   采用以上理

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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

評論

0/150

提交評論