论文部分内容阅读
垃圾焚烧过程中的二恶英难以在线测量, 只能通过离线分析获得少量样本. 针对该问题, 研究了一种在小样本条件下仍然具有推广能力的软测量建模方法. 首先对小样本进行Bootstrap重抽样和噪声注入处理, 增加样本的数量和改善其多样性. 然后将信息熵引入误差准则函数, 构建出最大熵神经网络. 最后基于熵神经网络建立二恶英软测量回归模型. 仿真结果表明, 该二恶英软测量模型具有较好的精度和泛化能力, 实际值和预测值的相对误差均值为0.167%, 最大归相对误差为1.21%, 为在线测量垃圾焚烧发电过程中的二恶英提供了一种参考方法.