基于信息熵的BP网络在热工系统建模中的应用

发布时间：2018-04-26 07:41

  本文选题：粗糙集 + 属性约简　； 参考：《系统仿真学报》2017年01期

【摘要】：针对火电厂热工对象实时建模困难、模型精度不高、以及神经网络因输入量增多导致收敛速度大幅降低的问题,将近似决策熵属性约简用于BP(Back Propagation)网络的建模中,提出了一种基于信息熵的BP网络建模方法。该方法采用k-means聚类算法对现场数据进行预处理及有效性评价,用近似决策熵对系统输入进行属性约简,用BP网络训练建立非线性模型。通过将该方法应用于主汽温和NOx排放浓度建模表明,该方法模型精度高,而且有效降低了BP网络输入层的维数,简化了网络结构,提高了训练速度,对热工系统实时建模具有重要实用价值。
[Abstract]:In view of the difficulty of real-time modeling of thermal power plant object, the low precision of model and the decrease of convergence speed caused by the increase of input quantity, approximate decision entropy attribute reduction is applied to the modeling of BP(Back propagation network. A BP network modeling method based on information entropy is proposed. The k-means clustering algorithm is used to preprocess and evaluate the validity of the field data, the approximate decision entropy is used to reduce the attributes of the system input, and the nonlinear model is established by BP network training. By applying this method to the modeling of main steam and NOx emission concentration, it is shown that this method has high accuracy, effectively reduces the dimension of input layer of BP network, simplifies the network structure, and improves the training speed. It has important practical value for real-time modeling of thermal system.
【作者单位】： 华北电力大学控制与计算机工程学院;华北电力大学河北省发电过程仿真与优化控制工程技术研究中心;
【基金】：中央高校基本科研业务费专项资金(2016MS143)
【分类号】：TP18;TM621

【相似文献】

相关期刊论文 前10条

1 胡可云,陆玉昌,石纯一;粗糙集理论及其应用进展[J];清华大学学报(自然科学版);2001年01期

2 李孟歆,吴成东,夏兴华,YongYue;粗糙集理论及其应用[J];沈阳建筑工程学院学报(自然科学版);2001年04期

3 张化光,梁洪力;基于两种新型算子的粗糙集运算[J];东北大学学报;2003年11期

4 姚小群,陈统坚,姚锡凡;基于粗糙集理论的数据发掘算法[J];机床与液压;2003年04期

5 熊萍,程华斌,吴晓平;基于粗糙集理论的一种综合定权法[J];海军工程大学学报;2003年01期

6 谭思云,张青枝,李志明;基于粗糙集的分类和规则归纳法[J];武汉理工大学学报;2003年02期

7 毕义明,王汉功,陈桂明;基于粗糙集理论的装备战损评估方法[J];装备指挥技术学院学报;2004年05期

8 孙海军,蒋东翔,钱立军,战祥森;基于粗糙集理论的旋转机械故障诊断方法[J];动力工程;2004年01期

9 车增强,李丙才,杨青年,颉振群,傅应霞,赵荣泳;粗糙集理论简介及其在电站行业中的应用潜力分析[J];移动电源与车辆;2004年04期

10 代春艳;粗糙集理论及其应用发展综述[J];重庆工商大学学报(自然科学版);2004年06期

相关会议论文 前10条

1 黎文航;陈善本;王兵;;粗糙集理论在焊接中的应用综述[A];第十一次全国焊接会议论文集（第2册）[C];2005年

2 尹宗成;;粗糙集理论在我国粮食产量预测中的应用[A];现代农业理论与实践——安徽现代农业博士科技论坛论文集[C];2007年

3 邹刚;滕书华;孙即祥;陈森林;敖永红;;一种粗糙集优化协同原型模式约简分类方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

5 陈雪飞;;粗糙集分类中耦合数据的处理方法研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

6 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年

7 王印松;冯康;;主汽温调节系统性能评价的粗糙集实现方法[A];第二十七届中国控制会议论文集[C];2008年

8 王红萍;万程亮;金彦丰;;应用粗糙集理论的对抗效果权重确定方法[A];2009’中国西部地区声学学术交流会论文集[C];2009年

9 王莉;周献中;;一种基于粗糙集的模糊神经网络模型在钢材力学性能预测中的研究[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 卓明;王丽珍;谭旭;;基于粗糙集近似集扩展的规则提取算法[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

相关博士学位论文 前10条

1 马希骜;概率粗糙集属性约简理论及方法研究[D];西南交通大学;2014年

2 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年

3 曾凯;邻域粒化粗糙计算的关键技术研究与应用[D];电子科技大学;2015年

4 鲍忠奎;面向不确定信息系统的粗糙集扩展模型研究[D];合肥工业大学;2015年

5 王永生;基于粗糙集理论的动态数据挖掘关键技术研究[D];北京科技大学;2016年

6 薛佩军;正负域覆盖广义粗糙集与知识粗传播研究[D];山东大学;2007年

7 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

8 秦中广;基于粗糙集的交叉研究及其在中医诊断的应用[D];华南理工大学;2002年

9 刘少辉;知识发现中粗糙集理论的研究[D];中国科学院研究生院（计算技术研究所）;2003年

10 邓大勇;基于粗糙集的数据约简及粗糙集扩展模型的研究[D];北京交通大学;2007年

相关硕士学位论文 前10条

1 江飞;粗糙集神经网络故障诊断方法研究[D];西安石油大学;2015年

2 何理荣;粗糙集理论在银行信贷风险评估中的应用研究[D];华南理工大学;2015年

3 张德齐;基于粗糙集理论的电机故障诊断方法研究[D];渤海大学;2015年

4 杨礼;基于粗糙集的公路交通安全预警研究[D];西南交通大学;2015年

5 聂萌瑶;基于泛系串并模型的粗糙集概念扩展与拓扑空间[D];兰州大学;2015年

6 徐鹏;基于粗糙集的建筑起重机械安全精细化评价研究[D];西安建筑科技大学;2015年

7 孙宇航;粗糙集属性约简方法在医疗诊断中的应用研究[D];苏州大学;2015年

8 张曼;基于粗糙集和包含度的聚类分类算法研究[D];青岛理工大学;2015年

9 车世远;基于群搜索优化粗糙集的脑科学数据研究[D];大连海事大学;2015年

10 林哲;基于粗糙集的马田系统研究及其在银行直接营销客户分类中的应用[D];南京理工大学;2015年

，

本文编号：1805092