| 发明名称 | 一种基于神经网络的原煤全水分软测量方法 | ||
| 摘要 | 本发明涉及一种基于神经网络的原煤全水分软测量方法，包括以下步骤：步骤S01：根据一种类型磨煤机，获取该磨煤机进口、出口相关数据，将所述数据样本分为训练样本和测试样本；步骤S02：建立原煤全水分<i>M</i><sub>t</sub>的人工神经网络模型；步骤S03：确定训练精度或最大训练次数；步骤S04：利用训练样本对人工网络模型进行训练直至满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练；步骤S05：将测试样本加载人工神经网络模型并进行测试；步骤S06：如果测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功。本发明解决了由于电厂原煤取样困难和原煤全水分<i>M</i><sub>t</sub>分析缺少而带来针对性运行优化调整的问题。 | ||
| 申请公布号 | CN106529671A | 申请公布日期 | 2017.03.22 |
| 申请号 | CN201610960202.X | 申请日期 | 2016.10.28 |
| 申请人 | 国网福建省电力有限公司;国家电网公司;国网福建省电力有限公司电力科学研究院;福建中试所电力调整试验有限责任公司 | 发明人 | 陈献春;陈宇;蒋孝科;林阿平;王寅;卢熠 |
| 分类号 | G06N3/08(2006.01)I | 主分类号 | G06N3/08(2006.01)I |
| 代理机构 | 福州元创专利商标代理有限公司 35100 | 代理人 | 蔡学俊 |
| 主权项 | 一种基于神经网络的原煤全水分软测量方法，其特征在于：包括以下步骤：步骤S01：根据一种类型磨煤机，获取该磨煤机进口、出口相关数据，将获得的数据样本分为训练样本和测试样本；步骤S02：建立原煤全水分的人工神经网络模型；步骤S03：确定所述人工网络模型的训练精度或最大训练次数；步骤S04：利用训练样本对所述人工网络模型进行训练直至满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练并执行步骤S05；步骤S05：将测试样本加载到原煤全水分<i>M</i><sub>t</sub>的人工神经网络模型并进行测试；步骤S06：若测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功，否则返回步骤S03。 | ||
| 地址 | 350003 福建省福州市鼓楼区五四路257号 | ||