论文部分内容阅读
近几年,集中供热系统得到了普遍的应用,这是因为集中供热能够提高能源利用率、节约能源。因此,本文改进了BP神经网络算法,并根据BP算法的特点将其应用到集中供热应用系统中。本文首先对BP算法的学习率进行改进,使学习率可以根据误差函数的变化进行自发式的调整,进而能够使得学习率在BP算法的每一步中不失稳定性,却能够保持相对较大的值;然后为了克服误差函数的鲁棒性不足的特点,采用忽略样本中的“异常值”的策略,同时,依据误差的方差和的平均值得到误差估计,加快BP算法的收敛速度;最后,为了避免BP算法最终陷入局部极小,对误差函数进行修正,判断标准是BP算法在多次学习后是否稳定收敛于一个相对较小的阈值。本文对BP算法各个改进点加以研究后,综合设计了算法的实现程序。而且,依据算法实现结果,与传统的BP算法进行比较,证明本文改进的算法在准确度上具有一定的优势。本文依据改进的BP神经网络算法,设计实现了一个集中供热应用系统。该系统首先实现了输入数据以及理想期望值的输入工作;然后,对输入数据进行处理,经过BP神经网络算法的学习训练过程,最终能够得到一个与期望值相对接近的供热方案;最后,将得到的应用结果输出。在集中供热应用系统的设计实现中,本文实现了相对友好的用户交互界面。本文基于改进的BP神经网络算法设计了集中供热应用系统,经过试验证明本应用系统可以得到一个相对理想的供热方案。经过多次对比分析,证明其在与某同类的集中供热系统的准确度比较中,具有一定的优势。最后,本文分析基于改进的BP神经网络算法的集中供热应用系统的优缺点,并对其中的缺点做出展望,将在后续的工作中加以完善。