為了準(zhǔn)確建立鍋爐飛灰含碳量預(yù)測(cè)模型,首先提出了基于量子比特的Bloch球面坐標(biāo)編碼和迭代混沌映射的改進(jìn)渦流搜索（I-VS）算法,然后對(duì)I-VS算法、渦流搜索（VS）算法、粒子群優(yōu)化（PSO）算法、正余弦（SCA）算法和樽海鞘群（SSA）算法的性能進(jìn)行比較�；谀碂犭姀S300 MW循環(huán)流化床鍋爐現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù),采用I-VS算法優(yōu)化并行感知機(jī)的極端學(xué)習(xí)機(jī)（PELM）,得到飛灰含碳量的綜合預(yù)測(cè)模型（即I-VS-PELM模型）。最后將I-VS-PELM模型的預(yù)測(cè)結(jié)果與PELM、PSO-PELM、SCA-PELM、SSA-PELM和VS-PELM模型的預(yù)測(cè)結(jié)果進(jìn)行比較。結(jié)果表明:與其他模型相比,I-VS-PELM模型具有更高的預(yù)測(cè)精度和更好的泛化性能,能更準(zhǔn)確地預(yù)測(cè)鍋爐飛灰含碳量。 

【文章來(lái)源】：動(dòng)力工程學(xué)報(bào). 2019,39(07)北大核心

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 PELM網(wǎng)絡(luò)
2 渦流搜索算法的基本原理
    2.1 產(chǎn)生初始解
    2.2 產(chǎn)生候選解
    2.3 當(dāng)前解的更新
3 量子混沌渦流搜索算法
    3.1 基于量子比特的Bloch球面坐標(biāo)生成初始候選解
    3.2 迭代混沌映射替代高斯分布產(chǎn)生候選解
4 I-VS算法在基準(zhǔn)測(cè)試函數(shù)上的性能測(cè)試
5 基于I-VS-PELM模型預(yù)測(cè)鍋爐飛灰含碳量
    5.1 I-VS-PELM模型的建立
    5.2 仿真結(jié)果
6 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的煤粉鍋爐飛灰含碳量建模[J]. 王月蘭,馬增益,尤海輝,唐義軍,沈躍良,倪明江,池涌,嚴(yán)建華.  熱力發(fā)電. 2018(01)
[2]基于蟻群神經(jīng)網(wǎng)絡(luò)的飛灰含碳量測(cè)量方法[J]. 張正友,錢家俊,馮旭剛.  計(jì)測(cè)技術(shù). 2017(01)
[3]燃煤鍋爐飛灰含碳量的BP神經(jīng)網(wǎng)絡(luò)模型[J]. 趙健,袁瀚,梅寧.  熱科學(xué)與技術(shù). 2016(06)
[4]基于GSA-LSSVM的循環(huán)流化床鍋爐飛灰含碳量預(yù)測(cè)[J]. 麻紅波,余瑞鋒,倪艷紅,張彬.  鍋爐技術(shù). 2016(02)
[5]神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的過(guò)擬合問(wèn)題及解決方法[J]. 李儉川,秦國(guó)軍,溫熙森,胡蔦慶.  振動(dòng)、測(cè)試與診斷. 2002(04)
[6]前饋神經(jīng)網(wǎng)絡(luò)泛化性能力的系統(tǒng)分析[J]. 江學(xué)軍,唐煥文.  系統(tǒng)工程理論與實(shí)踐. 2000(08)

博士論文
[1]人工神經(jīng)網(wǎng)絡(luò)的泛化性能與降水預(yù)報(bào)的應(yīng)用研究[D]. 林開平.南京信息工程大學(xué) 2007



本文編號(hào)：3068259