期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于电力大数据的企业污染物排放智能测算方法精度对比
1
作者
张峻豪
杨小林
+2 位作者
韩雪梅
欧阳蓝
刘小春
《工业加热》
CAS
2024年第1期52-58,共7页
电力企业排污数据量较为庞大,且来源广泛,如果不能从这些数据中提取出有价值的信息,则会导致切页污染物排放测算结果出现较大误差,如何通过电力大数据,运用最合适的方法动态测算电炉企业污染排放量是一个难点问题。因此,开展基于电力大...
电力企业排污数据量较为庞大,且来源广泛,如果不能从这些数据中提取出有价值的信息,则会导致切页污染物排放测算结果出现较大误差,如何通过电力大数据,运用最合适的方法动态测算电炉企业污染排放量是一个难点问题。因此,开展基于电力大数据的企业污染物排放智能测算方法精度对比研究。以测算重庆某铸造厂污染物排放量为例,运用AI智能识别技术,并结合传统的RBF神经网络模型、BP神经网络模型及多元逐步回归模型,对2021年12月—2022年6月各时段的排污量进行训练测算。基于MAE、MAPE和RMSE对比分析,测算精度结果显示:RBF神经网络模型>BP神经网络模型>多元逐步回归模型。研究结果表明,基于电力大数据配合合适的算法可以实时测算电炉企业污染物排放量,为精准治污、科学治污提供科技支撑。
展开更多
关键词
电力大数据
模型测算
RBF神经网络
BP神经网络
电炉企业动态排污
在线阅读
下载PDF
职称材料
题名
基于电力大数据的企业污染物排放智能测算方法精度对比
1
作者
张峻豪
杨小林
韩雪梅
欧阳蓝
刘小春
机构
重庆大学电气工程学院
重庆广睿达科技有限公司
出处
《工业加热》
CAS
2024年第1期52-58,共7页
文摘
电力企业排污数据量较为庞大,且来源广泛,如果不能从这些数据中提取出有价值的信息,则会导致切页污染物排放测算结果出现较大误差,如何通过电力大数据,运用最合适的方法动态测算电炉企业污染排放量是一个难点问题。因此,开展基于电力大数据的企业污染物排放智能测算方法精度对比研究。以测算重庆某铸造厂污染物排放量为例,运用AI智能识别技术,并结合传统的RBF神经网络模型、BP神经网络模型及多元逐步回归模型,对2021年12月—2022年6月各时段的排污量进行训练测算。基于MAE、MAPE和RMSE对比分析,测算精度结果显示:RBF神经网络模型>BP神经网络模型>多元逐步回归模型。研究结果表明,基于电力大数据配合合适的算法可以实时测算电炉企业污染物排放量,为精准治污、科学治污提供科技支撑。
关键词
电力大数据
模型测算
RBF神经网络
BP神经网络
电炉企业动态排污
Keywords
power big data
model calculation
RBF neural network
BP neural network
dynamic blowdown of electric furnace enterprises
分类号
X51 [环境科学与工程—环境工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于电力大数据的企业污染物排放智能测算方法精度对比
张峻豪
杨小林
韩雪梅
欧阳蓝
刘小春
《工业加热》
CAS
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
