基于肖维勒准则与主元分析的有机朗肯循环神经网络建模方法
文档名：基于肖维勒准则与主元分析的有机朗肯循环神经网络建模方法
摘要：随着人工神经网络技术的不断发展,有机朗肯循环(organicRankinecycle,ORC)神经网络模型广泛应用于系统分析和优化领域.针对现有ORC神经网络模型计算量大、时间周期长和精度偏低的问题,本文提出了基于肖维勒准则与主元分析的ORC神经网络建模方法.采用肖维勒准则对ORC实验数据进行预处理,以去除异常数据,同时数据得到规范化处理.随后,采用主元分析对ORC特征进行矩阵变换和降维,以提取与ORC运行显著相关的特征向量.最后,通过实验数据验证了提出方法的有效性.该方法可在提高模型精度的同时,降低建模所需的时间.与基于原始数据的ORC神经网络模型相比,基于该方法的ORC神经网络模型建模所需时间降低了88.69％.同时,模型预测精度提高了19.93％.
作者：平旭杨富斌张红光邢程达杨海龙王焱Author：PINGXuYANGFubinZHANGHongguangXINGChengdaYANGHailongWANGYan
作者单位：北京工业大学,北京100124
刊名：大电机技术 ISTIC
Journal：LargeElectricMachineandHydraulicTurbine
年，卷(期)：2023, (6)
分类号：TK172
关键词：有机朗肯循环人工神经网络建模肖维勒准则主元分析
Keywords：organicRankinecycleartificialneuralnetworkmodelingChauvenetcriterionprincipalcomponentsanalysis
机标分类号：TP391TP183TN912.34
在线出版日期：2023年10月12日
基金项目：国家自然科学基金，北京市自然科学基金，天津大学内燃机燃烧学国家重点实验室开放课题基于肖维勒准则与主元分析的有机朗肯循环神经网络建模方法[
期刊论文]大电机技术--2023, (6)平旭杨富斌张红光邢程达杨海龙王焱随着人工神经网络技术的不断发展,有机朗肯循环(organicRankinecycle,ORC)神经网络模型广泛应用于系统分析和优化领域.针对现有ORC神经网络模型计算量大、时间周期长和精度偏低的问题,本文提出了基于肖维勒准则与主元分...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于肖维勒准则与主元分析的有机朗肯循环神经网络建模方法Modeling Method of Organic Rankine Cycle Neural Network based on Chauvenet Criterion and Principal Components Analysis
基于肖维勒准则与主元分析的有机朗肯循环神经网络建模方法.pdf
页:
[1]