论文部分内容阅读
针对火电厂热工对象实时建模困难、模型精度不高、以及神经网络因输入量增多导致收敛速度大幅降低的问题,将近似决策熵属性约简用于BP(Back Propagation)网络的建模中,提出了一种基于信息熵的BP网络建模方法。该方法采用k-means聚类算法对现场数据进行预处理及有效性评价,用近似决策熵对系统输入进行属性约简,用BP网络训练建立非线性模型。通过将该方法应用于主汽温和NOx排放浓度建模表明,该方法模型精度高,而且有效降低了BP网络输入层的维数,简化了网络结构,提高了训练速度,对热工系统实时建模具