基于RBF-BP混合神经网络的烧结烟气NOx预测
来源期刊:钢铁研究学报2020年第7期
论文作者:易正明 邓植丹 覃佳卓 刘强 杜东 张东升
文章页码:639 - 646
关键词:RBF神经网络;BP神经网络;烧结烟气;氮氧化物;预测;
摘 要:对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF-BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37 mg/m3,平均绝对误差为7.14 mg/m3,最大绝对误差为35.47 mg/m3,最小绝对误差为0.008 3 mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟。
易正明1,2,邓植丹1,3,覃佳卓1,刘强2,杜东4,张东升4
1. 武汉科技大学钢铁冶金新工艺湖北省重点实验室2. 武汉科技大学钢铁冶金与资源利用省部共建教育部重点实验室3. 武汉科技大学高温材料与炉衬技术国家地方联合工程研究中心4. 水城钢铁集团有限公司
摘 要:对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF-BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37 mg/m3,平均绝对误差为7.14 mg/m3,最大绝对误差为35.47 mg/m3,最小绝对误差为0.008 3 mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟。
关键词:RBF神经网络;BP神经网络;烧结烟气;氮氧化物;预测;