基于改良BP神经网络的生物质锅炉飞灰含碳量预测模型研究
【摘要】 针对生物质锅炉飞灰含碳量较高的问题，文章提出了基于主成分分析法神经网络相结合的两种生物质锅炉飞灰含碳量预测模型（PCA）这两种模型通过对负荷Garson燃烧室烟气温度。或、算法与普通烟、LM-BP气含氧量等个原始输入变量进行降维得到新输入变量再进行训练建模提高了模型精度，。，利用我国某生物17质电厂飞灰含碳量的实测数据对模型进行检验检验结果表明，，LM-Garson-BP神经网络的为MAPE2.09%，为0.25，0.11，MAE生物质锅炉泛化能力最强为MSE
