锅炉论文：神经网络遗传算法小波变换时间序列分析.doc

《锅炉论文：神经网络遗传算法小波变换时间序列分析.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、锅炉论文：神经网络遗传算法小波变换时间序列分析【提示】本文仅提供摘要、关键词、篇名、目录等题录内容。为中国学术资源库知识代理，不涉版权。作者如有疑义，请联系版权单位或学校。【摘要】现代工业的快速发展，带来了能源的急剧消耗，而锅炉又是工业生产和生活中的重要设备，因此，提高锅炉的燃烧效率，降低污染物的排放，对于节约能源和环境保护具有重要的意义。由于锅炉燃烧是一个复杂的物理化学过程，具有较大延迟、多变量耦合、非线性等复杂特性，因而无法对其建立准确的机理模型，这也成为了锅炉燃烧控制的难点。通过对现在常用的建模方法进行分析研究之后，本文选用BP神经网

2、络算法对锅炉燃烧过程进行建模分析。它是将整个燃烧系统作为一个黑箱，而不具体分析燃烧过程内部机理的前提下，建立一个合理的模型结构。由于BP算法具有收敛速度慢，容易陷入局部极值等缺点，因此本文选用遗传算法作为网络的优化算法。充分利用其全局搜索能力对BP网络的权值、阈值进行优化，建立了合理的GA-BP网络模型。算法选用小波处理后的锅炉历史运行数据进行网络训练及测试，从实验结果可知，利用遗传算法优化BP神经网络，提高了模型的训练精度及收敛速度，使模型更能反映锅炉燃烧的运行特性。另外，本文还对时间序列分析的基本原理及主要的建模步骤进行了论述，建立了关

3、于锅炉出水温度的数学模型，并运用实际的历史运行数据进行了检验。通过对比分析GA-BP网络模型和时间序列模型可以看出，对于类似锅炉的这种复杂多变量系统建模时，GA-BP网络模型在收敛速度和计算精度等方面具有优势，更适合用于锅炉燃烧过程的建模。本文运用MATLAB软件编程实现了GA-BP网络模型及模型的检验。对于时间序列模型，在Eviews软件平台上分别完成了模型的数据检验、模型识别、参数估计、模型定阶、模型检验等操作。【关键词】锅炉；神经网络；遗传算法；小波变换；时间序列分析；【篇名】基于神经网络的锅炉燃烧过程的建模分析【目录】基于神经网络的

4、锅炉燃烧过程的建模分析摘要6-7Abstract7-8第1章绪论12-151.1研究背景及意义12-131.2燃煤锅炉燃烧优化的方案提出13-141.3本论文的主要研究内容14-15第2章锅炉燃烧优化运行的主要建模方法15-192.1锅炉设备概述152.2数学模型的分类与建模方法15-172.3锅炉的数学建模方法17-182.4本章小结18-19第3章人工神经网络的锅炉燃烧特性建模19-373.1人工神经网络19-223.1.1人工神经网络概述19-203.1.2神经网络的主要性质20-213.1.3人工神经网络的发展应用现状21-223.

5、2BP算法的基本原理22-283.2.1BP神经网络概述223.2.2BP神经网络拓扑结构22-243.2.3BP网络的算法分析24-263.2.4BP网络算法的特点及改进算法26-283.3锅炉燃烧过程的BP神经网络建模28-373.3.1锅炉特性建模的特点283.3.2模型输入输出参数的选取28-293.3.3BP网络模型结构的设计29-313.3.4建模数据的选取31-323.3.5数据预处理323.3.6误差评价指标32-333.3.7训练结果及分析33-363.3.8本章小结36-37第4章锅炉燃烧过程模型的优化算法分析及应用37

6、-554.1遗传算法37-444.1.1遗传算法的原理374.1.2遗传算法的运算步骤37-384.1.3遗传算法的操作流程38-444.2遗传算法与神经网络的结合44-454.3遗传算法在锅炉燃烧优化建模中的应用45-544.3.1遗传算法优化BP网络的参数设计45-474.3.2GA-BP算法的优化步骤47-484.3.3小波变换在样本数据预处理中的应用48-524.3.4优化结果分析52-544.4本章小结54-55第5章时间序列分析模型的建立55-795.1时间序列的基本模型56-575.2时间序列的动态特性57-625.2.1自相

7、关函数57-615.2.2偏相关函数61-625.3时间序列数据的平稳性及零均值检验62-635.4时间序列模型识别63-655.4.1AR模型的识别63-645.4.2MA模型的识别64-655.4.3ARMA模型的识别655.5时间序列模型的参数估计和模型定阶65-685.5.1最小二乘参数估计66-675.5.2时间序列模型的定阶方法67-685.6时间序列模型平稳性及白噪声检验68-695.7时间序列分析在锅炉出水温度建模中的应用69-775.7.1锅炉建模数据的平稳性检验69-735.7.2锅炉建模数据的零均值检验735.7.3时

8、间序列模型的识别735.7.4参数估计和模型定阶73-755.7.5时间序列模型的检验75-765.7.6时间序列模型的预测76-775.8GA-BP建模方法与时间序列建模方法的