【摘要】：目前我國電力行業(yè)依然以火力發(fā)電為主，但是其在生產(chǎn)過程中的排放物卻嚴重污染了環(huán)境，尤其是二氧化硫?qū)Υ髿獾奈廴�，所以控制火電行業(yè)二氧化硫的排放量是我國目前治理環(huán)境污染的一項重要工作。而在生產(chǎn)過程中，影響二氧化硫排放的因素很多，如何對這些因素進行正確合理的分析以便從中找到有價值的信息是目前研究的重點和難點。 通過對脫硫系統(tǒng)的分析和研究，可發(fā)現(xiàn)，采用智能算法來實現(xiàn)脫硫系統(tǒng)的仿真和優(yōu)化比較方便，并且準確性高，還可以排除人為因素的影響。神經(jīng)網(wǎng)絡算法是模擬人腦的高復雜的神經(jīng)元，并將神經(jīng)元相互連接組建的網(wǎng)絡系統(tǒng)。其自學習能力和大規(guī)模并行處理能力在工程仿真中的應用相當普遍。遺傳算法的指導性搜索使得其在工程尋優(yōu)方面比較迅速并且準確性高，不易出現(xiàn)局部最優(yōu)的結果。 神經(jīng)網(wǎng)絡主要采用梯度下降法來實現(xiàn)仿真過程中對權值和閾值的更改，梯度下降法有很多種，其中，動量梯度下降法是在梯度下降法的基礎上增加一個動量來控制下降的速度和方向，共軛梯度下降法是增加一個共軛方向，使得在下降過程中始終沿著梯度的共軛方向下降迭代。本文基于以上兩種算法提出了帶動量的共軛梯度下降模型，該方法增加了下降速度，提高了仿真的精度。并利用遺傳算法來對神經(jīng)網(wǎng)絡仿真函數(shù)進行尋優(yōu)，但是由于神經(jīng)網(wǎng)絡的缺陷，使用遺傳算法在訓練過程中會出現(xiàn)尋優(yōu)結果越界的問題，針對此問題本文提出了基于懲罰值的遺傳算法優(yōu)化模型，實現(xiàn)了對遺傳算法的有效控制。
【圖文】：

圖 3-2 實際值與預測值的比較.3 動量梯度下降法動量梯度下降法是經(jīng)典 BP 算法的一種改進算法，其采用啟發(fā)式學習算法，在原有P 算法的基礎上，提高了效率[39,41,43]。根據(jù)動量的思想，對神經(jīng)網(wǎng)絡權值的調(diào)整做以下改進：w1 (k+ 1)=w1(k)+[(1 mc)g(k)+mc g(k 1)]jijiη （3.10）w2 (k+ 1)=w2(k)+[(1 mc)g(k)+mc g(k 1)]ljljη （3.11）其中， g (k)為第k 次迭代的負梯度， g ( k 1)為第 k 1次時的負梯度。η 為神經(jīng)網(wǎng)的學習率，mc為動量因子，其取值范圍為[0，1]。當 mc =0時，該梯度法就變?yōu)樨撎莘�；�?mc =1，此時權值的修改值僅僅依賴于上一次的負梯度方向。動量梯度法可以減小神經(jīng)網(wǎng)絡在迭代過程中的震蕩幅度，加快了神經(jīng)網(wǎng)絡的收斂速。

加快了神經(jīng)網(wǎng)絡的收斂速度。本文利用 MATLAB 編寫動量梯度法，實現(xiàn)對熱電廠實時數(shù)據(jù)的神經(jīng)網(wǎng)絡仿真，圖3-3 為動量梯度法訓練后的實際值與預測值的比較，，。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：X701.3;TP18;N945.12

【參考文獻】

相關期刊論文 前10條

1 房振勇;游文虎;馮汝鵬;;改進BP算法在模糊神經(jīng)網(wǎng)絡中的應用[J];北京航空航天大學學報;2007年11期

2 張華節(jié);李璀;;學習速率連續(xù)變化的BP神經(jīng)網(wǎng)絡算法[J];四川兵工學報;2011年04期

3 李季,嚴東超,趙虎城;基于動量因子技術的BP神經(jīng)網(wǎng)絡改進算法及應用[J];電氣應用;2005年06期

4 周屈蘭;徐通模;惠世恩;;我國自主開發(fā)的濕法脫硫技術及其應用[J];動力工程;2006年02期

5 任如山;黃學敏;石發(fā)恩;陳云嫩;蔣達華;;濕法煙氣脫硫技術研究進展[J];工業(yè)安全與環(huán)保;2010年06期

6 陳庚;戴放;;基于共軛梯度法的改進型BP神經(jīng)網(wǎng)絡PID控制算法[J];工業(yè)儀表與自動化裝置;2011年05期

7 魏恩宗,王乃華,程世慶,高翔,駱仲泱,岑可法;運行參數(shù)對半干法煙氣脫硫性能的影響[J];環(huán)境工程;2002年06期

8 蔡如鈺;;火電濕法煙氣脫硫塔模擬及優(yōu)化操作分析[J];環(huán)境科學學報;2010年10期

9 熊峰;龍紅葉;胡小梅;盧鮮亮;;動量因子BP神經(jīng)網(wǎng)絡算法在設備故障預測中的應用[J];制造業(yè)自動化;2011年23期

10 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應用[J];礦冶;2005年01期

相關碩士學位論文 前8條

1 吳永明;遺傳算法在BP神經(jīng)網(wǎng)絡結構優(yōu)化中的應用研究[D];昆明理工大學;2011年

2 王軍方;半干半濕法穩(wěn)定性脫硫?qū)嶒炑芯縖D];北京化工大學;2004年

3 張曉彬;基于神經(jīng)網(wǎng)絡的循環(huán)流化床煙氣脫硫過程的智能集成建模研究[D];東北大學;2005年

4 付春柱;火電廠半干法煙氣脫硫技改研究[D];山東大學;2010年

5 王現(xiàn)菊;干法半干法脫硫灰渣在熱利用過程中二氧化硫的逸出規(guī)律及機理分析[D];華南理工大學;2010年

6 楊琦;基于RBF神經(jīng)網(wǎng)絡的循環(huán)灰利用率軟測量技術的研究[D];東北大學;2008年

7 秦曉娜;基于T-S模糊神經(jīng)網(wǎng)絡的CFB-FGD過程脫硫效率的預報研究[D];東北大學;2009年

8 張文婧;基于T-S模糊模型的循環(huán)流化床煙氣脫硫系統(tǒng)建模的研究[D];東北大學;2008年

本文編號：2670209