专利汇可以提供一种水泥脱硝的神经网络混合优化方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种 水 泥脱硝的神经网络混合优化方法。本发明首先采集 水泥 脱硝过程中影响出口浓度的多个变量,利用主成分分析对数据做预处理,降低数据维度,其次使用遗传 算法 和LM算法对神经网络的中心、宽度和权值进行优化得到神经网络 预测模型 ,最后预处理的数据输入到模型中,使模型预测的准确率提高。不同于传统的神经网络预测方法,本发明结合 数据处理 、神经网络参数优化,提高了预测 精度 。,下面是一种水泥脱硝的神经网络混合优化方法专利的具体信息内容。
1.一种水泥脱硝的神经网络混合优化方法,其特征在于该方法包括以下步骤:
步骤1、采集水泥脱硝过程影响NOx浓度输出的相关变量,利用主成分分析对数据进行处理;具体步骤是:
1-1.定义水泥脱硝过程影响NOx浓度输出的第一主成分,形式如下:
t1=Xp1=[v1 v2...vJ]p1且||p1||=1
其中,t1是矩阵X的第一主成分,X∈RN×J是标准化后的影响NOx浓度输出的相关向量矩阵组合,包括机组负荷、喷氨量、SCR入口烟温、入口NOx浓度、入口烟气含氧量、出口烟气含氧量、脱硝效率,N和J分别是影响NOx浓度输出的样本个数和影响NOx浓度输出的相关变量个数,p1是矩阵X的协方差矩阵 的第一标准化特征向量,[v1 v2...vJ]分别是第一、第二、…、第J影响NOx浓度输出的相关变量;
1-2.根据步骤1-1,求得t1的方差,形式如下:
其中, 和XT分别是第一标准化特征向量的转置和矩阵X的转置,Var(t1)是t1的方差;
1-3.结合步骤1-1和步骤1-2,根据拉格朗日算法得到:
Vp1=λ1p1
Var(t1)=λ1
其中,λ1是协方差矩阵V的第一特征值;
1-4.以此类推,并重复步骤1-1至1-3,得到
ta=Xpa
其中,ta是第a主成分,pa和pa-1是矩阵V的第a和第a-1标准化特征向量,且paTpa-1=0,paT是矩阵V的第a标准化特征向量的转置,λa是矩阵V第a特征值,Var(t1)≥Var(t2)≥...≥Var(ta),Var(t2)和Var(ta)分别是t2和ta的方差;
1-5根据预设的主成分累积贡献率,形式如下:
其中,Ea是前a个主成分的累积贡献率,λj是矩阵V第j特征值,∑是求和符号;
1-6.根据步骤1-5得到主成分分析之后的数据集,形式如下:
T
其中,T是主成分的得分矩阵,P是主成分的负载矩阵的转置;
步骤2、使用步骤1中得到的新数据,建立水泥脱硝反应器的模型,并对NOx浓度输出做预测;
2-1.将主成分分析之后的数据集分为训练集和测试集,建立水泥脱硝反应器的神经网络预测模型,形式如下:
其中, 是神经网络对NOx浓度的预测输出, 是训练集,i=1,2,...,I是隐藏层节点个数,ωi是第i个神经元连接隐藏层和输出层的权值, 是使用高斯函数的隐藏层中的第i个神经元输出,ci是第i个神经元函数的中心,σi是第i个神经元函数的宽度,是输入变量和中心之间的欧式距离;
2-2.通过递归最小二乘法得到的权值初始值,使用LM算法进行优化,形式如下:
ω(k+1)=ω(k)+Δω
Δω=(JTJ+μ)-1JTe
其中,e是NOx浓度的预测输出和NOx浓度的实际输出之间的误差,Δω是权值的修正量,是误差对权值导数的雅克比矩阵,μ为各层神经元沿负梯度下降运算的约束系数;
2-3.结合步骤2-2,得到权值向量ω(k),根据K-均值聚类算法确定ci和σi两个参数的初始值,用遗传算法优化三个参数,步骤如下:
2-3-1.染色体编码形式如下:对2-2中初步确定的神经网络的ci和σi进行编码成一条染色体,形式如下:
R=[c1...ci...σ1...σi...ω1...ωi].
2-3-2.遗传算法的适应度函数形式如下:根据遗传算法中适应度函数望大的特性,将网络误差平方和的倒数作为适应度函数,则适应度函数表示如下:
2-3-3.对染色体进行选择操作,形式如下:采取轮盘赌方法进行选择操作,选择个体r的概率pr表示如下:
其中,fr和fm分别是个体r和m的适应度函数,M为种群个数;
2-3-4.对染色体进行交叉、变异操作,形式如下:选择操作出来的个体直接复制到下一代,对于其他个体,随机选择两个个体的相同位置,按照交叉概率在选中的位置进行交叉,并按照变异概率对个体的某些基因位进行变异;
2-4.根据根均方误差评估径向基神经网络的建模精度,形式如下:
其中,RMSE是根均方误差,Y(Xn)是实际的输出;
2-5.将步骤2-3-4中得到的三个参数作为神经网络的参数值,进行神经网络训练,重复步骤2-2和步骤2-4,直至模型预测准确率达到预定值,并将测试集输入到神经网络的训练模型中,验证神经网络预测模型的准确性。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
用于视频理解的使用基于运动的注意力的递归网络 | 2020-05-12 | 165 |
一种实时表情捕捉方法和系统 | 2020-05-14 | 145 |
一种交通数据预测方法、装置及交通工具控制方法 | 2020-05-08 | 370 |
基于Gist特征提取与概念机递归神经网络的图像分类方法 | 2020-05-16 | 848 |
一种基于人工神经元网络的SQL漏洞检测方法 | 2020-05-13 | 971 |
病毒检测方法、装置、计算机可读存储介质和计算机设备 | 2020-05-13 | 201 |
一种人机交互方法、装置、终端设备及可读存储介质 | 2020-05-11 | 819 |
基于AR2 U-Net神经网络的快速磁共振成像方法 | 2020-05-12 | 602 |
用于各种计算机应用程序的机器学习系统 | 2020-05-13 | 567 |
球类运动模拟方法、装置、存储介质及电子设备 | 2020-05-15 | 242 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。