基于RBF-BP混合神经网络的烧结烟气NOx预测

摘要：

对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导.利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF-BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析.研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37 mg/m3,平均绝对误差为7.14 mg/m3,最大绝对误差为35.47 mg/m3,最小绝对误差为0.008 3 mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快.采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟.

关键词：RBF神经网络、BP神经网络、烧结烟气、氮氧化物、预测

所属期刊栏目：32

资助基金：国家自然科学基金资助项目51604199

在线出版日期：2020-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：639-646