一种非线性烟气含氧量深度学习模型

摘要：

针对烟气含氧量测量成本高、测量不稳定等问题,依据深度学习理论,采用非线性组合深度置信网络(nonlinear combined deep belief network,NCDBN)方法建立烟气含氧量模型.在该方法中,将输入变量分为控制变量和状态变量.对原始数据进行归一化预处理之后,采用lasso算法选取相关性强的变量作为预测模型输入参数.然后,采用DBN算法分别建立控制变量预测模型和状态变量预测模型.最后,将两个预测模型进行非线性组合,获得烟气含氧量的最终预测模型.根据实际生产数据进行实验,结果表明4种对比算法的平均绝对误差分别为1.319％,2.5103％,1.9586％,5.4634％,2.5350％,而NCDBN方法的平均绝对误差为1.2428％,说明NCDBN方法能够准确地预测烟气含氧量.

关键词：深度置信网络、组合模型、特征选取、Lasso、烟气含氧量

所属期刊栏目：25

分类号：TP18;TM621(自动化基础理论)

资助基金：国家自然科学基金;吉林市科技创新基金

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：127-135