本文選題：粗糙集　切入點：屬性約簡　出處：《華北電力大學》2017年碩士論文

【摘要】：粗糙集理論作為處理不確定信息的有效工具,在多個領(lǐng)域得到廣泛應(yīng)用,為復雜熱工系統(tǒng)建模和故障分類提供了新的方法。本文描述了粗糙集和神經(jīng)網(wǎng)絡(luò)結(jié)合方法,該方法的實現(xiàn)步驟為原始數(shù)據(jù)的預(yù)處理、屬性約簡,到最后網(wǎng)絡(luò)模型的構(gòu)建。其中,針對連續(xù)屬性的離散化,提出了無需指定聚類數(shù)的改進k-means算法,在確定算法的懲罰參數(shù)時引入了相容度的概念,充分考慮了屬性間的相互關(guān)系。針對決策表的屬性約簡,提出了一種基于近似決策熵的約簡算法,將近似精度與傳統(tǒng)信息熵相結(jié)合,解決了傳統(tǒng)信息熵單純從信息論觀點出發(fā)的不足。針對火電廠熱工對象實時建模困難、模型精度不高,以及神經(jīng)網(wǎng)絡(luò)因輸入量增多導致收斂速度大幅降低的問題,本文提出一種基于近似決策熵的BP網(wǎng)絡(luò)建模方法。利用該方法對主汽溫和NOx排放濃度建模,結(jié)果表明,該方法模型精度高,而且有效降低了BP網(wǎng)絡(luò)輸入層的維數(shù),從而使網(wǎng)絡(luò)的結(jié)構(gòu)更加簡單,訓練速度更快,對熱工系統(tǒng)建模具有重要的實用價值。為了實現(xiàn)電廠中設(shè)備故障類型的快速、準確判斷,將基于近似決策熵模型的屬性約簡算法結(jié)合BP網(wǎng)絡(luò)進行故障分類。該方法用于汽輪機的振動故障分類,結(jié)合方法有效降低了網(wǎng)絡(luò)的輸入維數(shù),簡化了網(wǎng)絡(luò)結(jié)構(gòu),獲得了較高的分類精度,同時降低了計算開銷,對快速判斷故障類型,提高維修效率,具有工程實用價值。
[Abstract]:Rough set theory as a effective tool to deal with uncertain information, is widely used in many fields, and provides a new method for complex thermal system modeling and fault classification. This paper describes the combination of rough sets and neural network methods, steps of pretreatment, the original data of the attribute reduction method to construct the network, finally model. Among them, the discretization of continuous attributes, this paper proposes an improved k-means algorithm without specifying the number of clusters, in determining the penalty parameter algorithm introduced the concept of consistency degree, full consideration of the relationship between attributes. The attribute reduction of decision table, proposes a reduction algorithm of approximate entropy decision based on the approximation accuracy and traditional information entropy, solves the shortcomings of traditional information entropy only from the viewpoint of information theory. According to the thermal process of power plant real-time modeling difficulties, the accuracy of the model is not Is high, and the neural network for input to increase convergence speed greatly reduces the problem, this paper presents a BP network modeling method based on approximate entropy decision. By using the method of main steam temperature and NOx emission modeling results show that the method of model accuracy, but also effectively reduces the dimension of BP network input layer, thereby the network structure is more simple, faster speed of training, has important practical value for thermal system modeling. In order to realize the fault type of power plant in the fast, accurate judgment, the approximate entropy model of decision attribute reduction algorithm based on the combination of BP network for fault classification. The method for vibration fault classification of steam turbine, combined with effective method to reduce the input dimension of the network, the network structure is simplified, obtain higher classification accuracy, while reducing the computational overhead to quickly judge the fault types and improve maintenance Efficiency is of practical engineering value.

【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18;TM621

【參考文獻】

相關(guān)期刊論文 前10條

1 左倪娜;;基于改進遺傳算法的K-means聚類方法[J];軟件導刊;2016年04期

2 楊玉梅;;基于信息熵改進的K-means動態(tài)聚類算法[J];重慶郵電大學學報(自然科學版);2016年02期

3 孫佳;胡明;趙佳;;K-means初始聚類中心選取優(yōu)化算法[J];長春工業(yè)大學學報;2016年01期

4 萬祥;胡念蘇;韓鵬飛;張海石;黎師祺;;大數(shù)據(jù)挖掘技術(shù)應(yīng)用于汽輪機組運行性能優(yōu)化的研究[J];中國電機工程學報;2016年02期

5 張鵬;郝一川;;粗糙集-神經(jīng)網(wǎng)絡(luò)在民航飛機故障數(shù)據(jù)處理中的應(yīng)用[J];控制工程;2016年01期

6 祖鴻嬌;米據(jù)生;;帶權(quán)重條件嫡的屬性約簡算法[J];計算機科學與探索;2016年03期

7 田虎森;謝壽生;王磊;任立通;王立國;;基于粗糙集理論的飛行軌跡識別[J];火力與指揮控制;2015年05期

8 周正國;;基于屬性重要度約簡算法在數(shù)據(jù)挖掘中的應(yīng)用研究[J];信息技術(shù)與信息化;2015年04期

9 陳穎悅;陳玉明;;基于信息熵與蟻群優(yōu)化的屬性約簡算法[J];小型微型計算機系統(tǒng);2015年03期

10 周其林;雷菊陽;王昱棟;張?zhí)m蘭;;一種引入?yún)?shù)無需確定聚類數(shù)的聚類算法[J];河北工業(yè)科技;2015年02期

相關(guān)博士學位論文 前1條

1 陳其松;智能優(yōu)化支持向量機預(yù)測算法及應(yīng)用研究[D];貴州大學;2009年

相關(guān)碩士學位論文 前4條

1 胡玉杰;基于粗糙集和神經(jīng)網(wǎng)絡(luò)的分類算法研究[D];安徽大學;2015年

2 侯曉寧;1000MW超超臨界機組主汽溫建模及其精度研究[D];華北電力大學;2015年

3 王賀;基于粗糙集知識約減的電站優(yōu)化運行研究[D];華北電力大學;2014年

4 王學明;幾種粗糙集模型及與神經(jīng)網(wǎng)絡(luò)相結(jié)合的研究[D];電子科技大學;2013年

，

本文編號：1668765