一种水泥脱硝的神经网络混合优化方法
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。
一种水泥脱硝的神经网络混合优化方法
技术领域
背景技术
发明内容
具体实施方式
| 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。
