隧道围岩变形的非线性自回归时间序列预测方法研究 被引量：14

1

作者 文明 张顶立 +3 位作者 房倩 齐俊 方黄城 陈文博 《北京交通大学学报》 CAS CSCD 北大核心 2017年第4期1-7,共7页

针对传统时间序列预测模型的单一线性和忽略施工过程影响的静态局限性,提出非线性自回归(包括NARNN与NARXNN)时间序列预测模型.该模型通过引入动态施工影响因子作为附加的外部输入,同时结合模型本身的反馈结构和延迟单元,在结构和动态... 针对传统时间序列预测模型的单一线性和忽略施工过程影响的静态局限性,提出非线性自回归(包括NARNN与NARXNN)时间序列预测模型.该模型通过引入动态施工影响因子作为附加的外部输入,同时结合模型本身的反馈结构和延迟单元,在结构和动态特性上更加符合实际系统,可以非线性动态地考虑隧道施工全过程.运用该模型对史家山2号隧道施工过程中的围岩水平收敛和地表变形进行预测.结果表明:1)非线性自回归预测模型比传统的ARMA预测模型的预测精度高、适应性好;2)通过多次预测并对结果取平均值,可以保证非线性自回归预测模型预测结果的预测精度和稳健性;3)通过优化动态施工影响因子的取值方法,可以进一步提高NARXNN时间序列预测模型的预测精度. 展开更多

关键词 公路隧道 时间序列模型 非线性自回归神经网络 动态施工影响因子 围岩变形预测

在线阅读 下载PDF 职称材料

一种线性/非线性自回归模型及其在建模和预测中的应用 被引量：7

2

作者 马家欣 许飞云 黄仁 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2013年第3期509-514,共6页

为提高模型准确性,在经典时序建模策略的基础上,提出了一种带有外部输入的线性/非线性自回归模型,并应用Weierstrass逼近定理推导出其一般表达式(GNARX),该模型允许带有多个外部输入以实现复杂系统的建模和辨识.针对该模型结构给出了其... 为提高模型准确性,在经典时序建模策略的基础上,提出了一种带有外部输入的线性/非线性自回归模型,并应用Weierstrass逼近定理推导出其一般表达式(GNARX),该模型允许带有多个外部输入以实现复杂系统的建模和辨识.针对该模型结构给出了其最小二乘参数估计方法,并采用结合建模误差、预测误差及模型复杂度的修正信息准则(AIC)确定最优模型结构.最后,将该模型应用于仿真数据和振动位移采样电流数据的建模与预测.结果表明,GNARX模型的建模和预测精度均高于AR,GNAR,ARX模型及BP神经网络模型,表现出良好的线性/非线性建模和预测能力,及较好的通用性和实用价值. 展开更多

关键词 线性 非线性自回归模型 建模 预测

在线阅读 下载PDF 职称材料

带控制变量的非线性自回归滑动平均模型在锚泊线动力分析中的应用 被引量：2

3

作者 纪亨腾 范菊 黄祥鹿 《上海交通大学学报》 EI CAS CSCD 北大核心 2008年第4期685-688,共4页

根据带控制变量的非线性自回归滑动平均(NARMAX)模型理论,建立了锚泊线的系统模型.该模型在进行系统识别时,将锚链上端点的运动时历作为系统的输入,锚泊线张力时历作为系统的输出,识别后得到的系统表达式可以用来预报锚泊线张力的时历.... 根据带控制变量的非线性自回归滑动平均(NARMAX)模型理论,建立了锚泊线的系统模型.该模型在进行系统识别时,将锚链上端点的运动时历作为系统的输入,锚泊线张力时历作为系统的输出,识别后得到的系统表达式可以用来预报锚泊线张力的时历.将模型预报结果与原时历进行比较,结果表明,NARMAX模型预报效果良好. 展开更多

关键词 锚泊线 系统识别 非线性自回归平均模型 动力分析

在线阅读 下载PDF 职称材料

非线性自回归模型辨识及其在结构损伤识别中的应用 被引量：1

4

作者 马家欣 许飞云 +1 位作者 黄凯 黄仁 《振动与冲击》 EI CSCD 北大核心 2017年第20期118-124,145,共8页

分析了带有外部输入的线性/非线性自回归模型一般表达式(GNARX)与Volterra级数模型的相似之处,以及GNARX模型与带外部输入的自回归模型(ARX)之间的内在联系。根据GNARX模型结构特点,提出了一种基于参数离差率的结构剪枝算法,并用于模型... 分析了带有外部输入的线性/非线性自回归模型一般表达式(GNARX)与Volterra级数模型的相似之处,以及GNARX模型与带外部输入的自回归模型(ARX)之间的内在联系。根据GNARX模型结构特点,提出了一种基于参数离差率的结构剪枝算法,并用于模型结构辨识,通过数据仿真,验证了方法的可行性和有效性。最后,将GNARX模型结合提出的结构辨识方法,应用于钢板的损伤识别。结果显示,基于参数离差率的结构剪枝算法辨识GNARX模型结构,其损伤识别精度最高,体现了GNARX模型及其结构剪枝算法应用于结构损伤识别的优越性。 展开更多

关键词 非线性自回归模型 结构辨识 结构剪枝算法 损伤识别

在线阅读 下载PDF 职称材料

一种收敛于全局无偏最优解的非线性自回归（NAR）预测 被引量：1

5

作者 戴宪华 黄继武 《电子学报》 EI CAS CSCD 北大核心 1997年第12期96-99,共4页

本文研究基于Ｖｏｌｔｅｒｒａ级数展开的非线性自回归预测模型的参数估计问题．从线性自适应ＩＩＲ滤波输出误差算法的观点，研究ＮＡＲ模型的参数估计问题，利用平均收敛条件，提出一可收敛于全局无偏最优解的新算法，解决了一般的预... 本文研究基于Ｖｏｌｔｅｒｒａ级数展开的非线性自回归预测模型的参数估计问题．从线性自适应ＩＩＲ滤波输出误差算法的观点，研究ＮＡＲ模型的参数估计问题，利用平均收敛条件，提出一可收敛于全局无偏最优解的新算法，解决了一般的预测误差算法的有偏解问题． 展开更多

关键词 非线性自回归 预测 参数估计 NAR 信号估计

在线阅读 下载PDF 职称材料

多维非线性自回归模型的投影寻踪学习网络逼近 被引量：1

6

作者 田铮 文奇 +1 位作者 谢美萍 郑光华 《应用概率统计》 CSCD 北大核心 2002年第4期370-376,共7页

本文研究基于投影寻踪学习网络的多维非线性自回归模型逼近的收敛性,证明了在 Lk（k为正整数）空间上,投影寻踪学习网络可以以任意精度逼近多维非线性自回归模型,并给出应用实例.

关键词 多维非线性自回归模型 逼近 多维非线性时间序列 投影寻踪学习网络 收敛性

在线阅读 下载PDF 职称材料

采用非线性自回归时序模型的汽车悬架隔振性能辨识 被引量：1

7

作者 陈茹雯 王玉国 湛时时 《汽车技术》 北大核心 2016年第4期31-35,共5页

根据摄动法求解非线性微分方程理论,通过单自由度振动系统在单位脉冲激励下动力学方程的解析解,推导出了振动系统时域响应的非线性自回归时序(GNAR)模型表达式,获得了基于GNAR模型的悬架隔振性能主要指标计算公式。通过对某汽车悬架隔... 根据摄动法求解非线性微分方程理论,通过单自由度振动系统在单位脉冲激励下动力学方程的解析解,推导出了振动系统时域响应的非线性自回归时序(GNAR)模型表达式,获得了基于GNAR模型的悬架隔振性能主要指标计算公式。通过对某汽车悬架隔振参数辨识的试验结果表明,基于GNAR模型的悬架隔振性能辨识方法准确、便捷,能实现对在用车辆悬架隔振性能的快速辨识和评价。 展开更多

关键词 非线性自回归时序模型 悬架 隔振性能 辨识

在线阅读 下载PDF 职称材料

重尾非线性自回归模型自加权M-估计的渐近分布 被引量：2

8

作者 傅可昂 丁丽 李君巧 《数学物理学报（A辑）》 CSCD 北大核心 2020年第2期475-483,共9页

考虑非线性自回归模型xt=f(xt-1,…,xt-p,θ)+∈t,其中θ为q维未知参数,{∈t}为随机误差.在允许误差方差无穷的重尾条件下,构造θ的自加权M-估计,并证明了该估计的渐近正态性.最后通过数值模拟,在随机误差服从某些重尾分布的条件下,说... 考虑非线性自回归模型xt=f(xt-1,…,xt-p,θ)+∈t,其中θ为q维未知参数,{∈t}为随机误差.在允许误差方差无穷的重尾条件下,构造θ的自加权M-估计,并证明了该估计的渐近正态性.最后通过数值模拟,在随机误差服从某些重尾分布的条件下,说明自加权M-估计比最小二乘和L1估计更有效. 展开更多

关键词 非线性自回归 自加权M-估计 重尾 渐近正态

在线阅读 下载PDF 职称材料

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究 被引量：17

9

作者 姜宇航 王伟 +3 位作者 邹丽芳 王如宾 刘世藩 段雪雷 《岩土力学》 EI CAS CSCD 北大核心 2022年第S01期601-612,共12页

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将... 以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络(NARX)进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元(GRU)进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的(PSO-VMD)-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机(SVM)和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。 展开更多

关键词 滑坡位移预测 粒子群算法 变分模态分解 格兰杰因果检验 非线性自回归神经网络 门控循环单元

在线阅读 下载PDF 职称材料

基于优化非线性自回归神经网络模型的水质预测 被引量：12

10

作者 唐亦舜 徐庆 +1 位作者 刘振鸿 高品 《东华大学学报（自然科学版）》 CAS 北大核心 2022年第3期93-100,共8页

针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(... 针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(DO)质量浓度和浊度3项水质指标的变化趋势。结果表明:优化后的NAR神经网络模型具有较好的非线性处理能力;当输入数据量为180,pH、DO质量浓度和浊度的神经网络模型的延迟阶数分别为2、3、9,隐含层神经元数为10时,NAR神经网络模型对pH、DO质量浓度和浊度的预测均方根误差分别为0.053、0.382 mg/L和17.300 NTU,平均绝对百分比误差分别为0.53%、3.97%和18.01%,预测效果较好。 展开更多

关键词 水质预测 非线性自回归神经网络 PH 溶解氧 浊度 模型优化

在线阅读 下载PDF 职称材料

基于非线性自回归神经网络的GHI预测 被引量：12

11

作者 马燕峰 蒋云涛 +1 位作者 郝毅 赵书强 《太阳能学报》 EI CAS CSCD 北大核心 2019年第3期733-740,共8页

针对水平面总辐照度(global horizontal irradiation,GHI)短期预测问题,提出一种基于非线性自回归神经网络的短期水平面太阳总辐照度预测模型。首先,提出一种并联结构训练样本,以保证训练样本内部的时间耦合性。其次,通过对9项气象参数... 针对水平面总辐照度(global horizontal irradiation,GHI)短期预测问题,提出一种基于非线性自回归神经网络的短期水平面太阳总辐照度预测模型。首先,提出一种并联结构训练样本,以保证训练样本内部的时间耦合性。其次,通过对9项气象参数共511种组合作为输入的模型预测精度进行分析,确定模型最优输入组合。最后,利用4种典型气象条件下GHI时延神经网络预测模型,非线性自回归动态神经网络预测模型预测标准均方根误差均降低。 展开更多

关键词 太阳辐照度 预测 神经网络 动态 非线性自回归 训练样本结构

在线阅读 下载PDF 职称材料

基于非线性自回归模型的矿井粉尘浓度预测 被引量：10

12

作者 周旭 王艺博 +1 位作者 朱毅 秦思佳 《华北理工大学学报（自然科学版）》 CAS 2021年第4期127-133,共7页

为预测矿井开采时所产生粉尘的浓度与时间关系,保障井下人员身安全。采用时间序列与神经网络相结合的外因输入非线性自回归模型(NARX模型)来对粉尘的浓度进行预测,该模型主要用于处理时序型数据,能够通过给不同时段的输入之间建立联系,... 为预测矿井开采时所产生粉尘的浓度与时间关系,保障井下人员身安全。采用时间序列与神经网络相结合的外因输入非线性自回归模型(NARX模型)来对粉尘的浓度进行预测,该模型主要用于处理时序型数据,能够通过给不同时段的输入之间建立联系,避免传统模型预测时面对的影响因素多、数据收集困难等问题,并与时间序列模型、神经网络模型进行比较。结果表明,外因输入非线性自回归模型对粉尘浓度预测具有较好的性能,预测函数的误差低至3.8%,均化误差仅有2.2,平稳R方也达到了0.9以上。 展开更多

关键词 粉尘浓度 神经网络 时间序列 非线性自回归模型

在线阅读 下载PDF 职称材料

基于非线性自回归神经网络的线路故障率预测

13

作者 郑成源 张梁 +4 位作者 赵振刚 李波 廖耀华 陈叶 李博 《陕西理工大学学报（自然科学版）》 2022年第6期22-27,37,共7页

针对低压配电线路的安全运行问题,为保证电能的稳定供应和社会生产活动的正常运转,对线路的故障发生概率进行了预测,可为增强输配电线路的安全运行提供理论依据。首先分析了云南省某地区的低压配电线路运行数据,针对电压异常(失压、断... 针对低压配电线路的安全运行问题,为保证电能的稳定供应和社会生产活动的正常运转,对线路的故障发生概率进行了预测,可为增强输配电线路的安全运行提供理论依据。首先分析了云南省某地区的低压配电线路运行数据,针对电压异常(失压、断相、电压过高、电压偏差异常、三相电压不平衡)、功率异常、功率因素异常等故障类型进行研究;其次对故障发生概率随时间变化的序列平稳性进行分析,绘制相应的自相关和偏自相关函数,确定自回归滑动平均模型的最优阶数,并建立ARMA预测模型;然后根据确立的预测模型输入延迟阶数,建立了非线性自回归神经网络预测模型,通过建立的模型预测了后168个时间点的线路故障发生概率。 展开更多

关键词 低压配电线路 故障发生概率 非线性自回归神经网络

在线阅读 下载PDF 职称材料

基于小波和非线性含输入自回归模型的系统辨识算法 被引量：1

14

作者 石宏理 蔡远利 邱祖廉 《西安交通大学学报》 EI CAS CSCD 北大核心 2004年第6期611-614,共4页

提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法.该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程,消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入... 提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法.该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程,消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真,构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架.两则数据仿真表明,对于高度非线性系统,该算法可使系统估计的均方误差减少60%以上. 展开更多

关键词 非线性含输入自回归模型 系统辨识 小波分析

在线阅读 下载PDF 职称材料

非线性结构向量自回归模型因果关系的图模型辨识方法（英文）

15

作者 魏岳嵩 杜翠真 《工程数学学报》 CSCD 北大核心 2014年第5期733-744,共12页

确定变量间的因果关系是时间序列分析的重要内容.传统的图模型因果推断算法有着明显的局限性,要求模型是线性的且噪声项服从Gauss分布.本文利用图模型方法辨识非线性结构向量自回归模型变量间的因果关系,给出了一种基于互信息和条件互... 确定变量间的因果关系是时间序列分析的重要内容.传统的图模型因果推断算法有着明显的局限性,要求模型是线性的且噪声项服从Gauss分布.本文利用图模型方法辨识非线性结构向量自回归模型变量间的因果关系,给出了一种基于互信息和条件互信息的非线性结构向量自回归因果图模型结构的非参数辨识方法.数值模拟结果验证了方法的有效性. 展开更多

关键词 非线性结构向量自回归模型 图模型 条件独立 条件互信息

在线阅读 下载PDF 职称材料

非线性时间序列的投影寻踪学习网络逼近 被引量：2

16

作者 田铮 文奇 金子 《应用概率统计》 CSCD 北大核心 2001年第2期139-148,共10页

本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性，证明了在Ｌｋ，（ｋ为正整数）空间上，投影寻踪学习网络可以以任意精度逼近非线性自回归模型，给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例... 本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性，证明了在Ｌｋ，（ｋ为正整数）空间上，投影寻踪学习网络可以以任意精度逼近非线性自回归模型，给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例，对太阳黑子数据、山猫数据及西安数据进行了拟合和预报，将其结果与改进的ＢＰ网和门限自回归模型相应的结果进行比较，结果表明基于投影寻踪学习网络的非线性时间序列的建模和预报方法是一类行之有效的方法． 展开更多

关键词 非线性自回归模型 投影寻踪学习网络 收敛性 建模 预报 逼近 计算方法 非线性时间序列

在线阅读 下载PDF 职称材料

用于非合作信号噪底估计的改进自回归算法 被引量：1

17

作者 金鹏飞 叶江峰 +2 位作者 胡茂海 李兵 邢政利 《电讯技术》 北大核心 2017年第5期575-579,共5页

非合作接收中由于信道或接收机模拟器件的影响可能导致接收信号功率谱存在噪声基底不平坦现象,为便于划定检测门限需要先估计噪声基底再对原始功率谱进行修正。传统的非线性自回归滑动滤波算法采用固定阈值,仅适用于窄带单信号的噪底估... 非合作接收中由于信道或接收机模拟器件的影响可能导致接收信号功率谱存在噪声基底不平坦现象,为便于划定检测门限需要先估计噪声基底再对原始功率谱进行修正。传统的非线性自回归滑动滤波算法采用固定阈值,仅适用于窄带单信号的噪底估计。改进算法通过增加调节系数实现对阈值的动态调节,并根据功率谱特征计算初始阈值和调节系数,提高了原算法的适应范围和工程实用性。仿真结果表明,改进算法对不同种类的信号具有普适性,能解决原算法无法适应的宽带多信号噪底估计。 展开更多

关键词 非合作接收 信号检测 噪底估计 非线性自回归滑动滤波

在线阅读 下载PDF 职称材料

基于PSO-NARX网络的司机驾驶行为分析方法 被引量：1

18

作者 王心仪 程剑锋 易海旺 《铁道学报》 EI CAS CSCD 北大核心 2024年第9期94-101,共8页

舒适性、准时性、节能性等是衡量高速铁路自动驾驶水平的重要指标,通过不断学习优秀司机的驾驶行为,可以优化列车自动驾驶性能,促进高速铁路自动驾驶技术的发展。基于现场列车运行数据,提出一种带有外部输入的非线性自回归(NARX)网络的... 舒适性、准时性、节能性等是衡量高速铁路自动驾驶水平的重要指标,通过不断学习优秀司机的驾驶行为,可以优化列车自动驾驶性能,促进高速铁路自动驾驶技术的发展。基于现场列车运行数据,提出一种带有外部输入的非线性自回归(NARX)网络的列车司机驾驶行为分析方法。该方法构建了具有时序特征的NARX网络模型,并选取多项影响司机决策的参数作为输入,利用粒子群优化算法(PSO)确定网络的权重和阈值,对下一时刻列车运行情况进行预测。仿真结果表明:本文提出的PSO-NARX网络分析模型的预测效果优于前馈型神经网络(BP)、PSO-BP、NARX,相比于BP算法,迭代步数降低了373步,误差降低了8382%,相关系数达到了90117%。通过此预测,可以优化列车的自动驾驶设备性能指标,保障列车准时的同时,提高了乘客乘坐的舒适性。 展开更多

关键词 高速铁路 非线性自回归神经网络 粒子群优化算法 驾驶行为 辨识

在线阅读 下载PDF 职称材料

基于数据分解与NARX优化的滇池COD_(Mn)时间序列预测

19

作者 王永顺 崔东文 《人民珠江》 2024年第7期92-100,共9页

高锰酸盐指数(COD_(Mn))是衡量水体受还原性物质污染程度的重要指标之一。为提高COD_(Mn)预测精度,结合小波包变换(WPT)、成功历史智能优化(SHIO)算法和非线性自回归神经网络(NARX),提出WPT-SHIO-NARX COD_(Mn)时间序列预测模型。首先利... 高锰酸盐指数(COD_(Mn))是衡量水体受还原性物质污染程度的重要指标之一。为提高COD_(Mn)预测精度,结合小波包变换(WPT)、成功历史智能优化(SHIO)算法和非线性自回归神经网络(NARX),提出WPT-SHIO-NARX COD_(Mn)时间序列预测模型。首先利用WPT将COD_(Mn)时间序列分解为1个周期项分量和3个波动项分量;然后简要介绍SHIO原理,利用SHIO对NARX输入延时阶数等超参数进行调优;最后基于调优获得的超参数建立WPT-SHIO-NARX模型对COD_(Mn)周期项及波动项分量进行预测,重构后得到最终预测结果,并构建WPT-粒子群优化算法(PSO)-NARX、WPT-遗传算法(GA)-NARX、WPT-NARX、SHIO-NARX、WPT-SHIO-极限学习机(ELM)、WPT-SHIO-BP神经网络模型作对比分析,并以滇池西苑隧道断面、观音山断面2004—2015年逐周COD_(Mn)监测数据对各模型进行验证。结果表明:WPT-SHIO-NARX模型具有较好的预测性能,西苑隧道、观音山在未来1周、未来2周(半月)COD_(Mn)预测的平均绝对百分比误差MAPE分别为0.108%和0.045%、0.151%和0.165%,对未来4周(1月)COD_(Mn)预测的MAPE分别为1.383%、0.809%,对未来8周(2月)COD_(Mn)预测的MAPE分别为6.180%、4.573%,预测精度优于其他对比模型;WPT能将COD_(Mn)时序数据分解为更具规律的子序列分量,提高模型预测精度;SHIO能有效优化NARX超参数,显著提升NARX性能,优化效果优于GA、PSO;NARX网络具有延时和反馈机制,更适用于时间序列预测,其预测效果优于ELM、BP网络。 展开更多

关键词 COD_(Mn)预测 非线性自回归神经网络 成功历史智能优化算法 小波包变换 滇池

在线阅读 下载PDF 职称材料

神经网络预测控制在SCR烟气脱硝系统中应用 被引量：19

20

作者 孟范伟 徐博 +1 位作者 吕晓永 刘胤圻 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第6期778-782,共5页

以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾... 以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾气达到限排标准,亦能减少用氨量,提升经济效益的同时减少氨逃逸.采用最速梯度方法进行控制器的优化,并通过性能函数来约束控制量,达到预期输出.最后将仿真结果与现场所测数据进行对比,结果表明神经网络预测控制方案可以较准确地预测出未来有限时刻所需的喷氨量. 展开更多

关键词 选择性催化还原 神经网络 预测控制 非线性自回归算法 模型辨识

在线阅读 下载PDF 职称材料