基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用

《基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第36卷第2期要氧雹力V01．36N0．2EastOhinaEIectricPowerFeb．20082008年2月基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用孙薇，邹颖(华北电力大学工商管理学院，河北保定071003)摘要：利用粒子群优化算法对传统的BP神经网络算法改进，建立了基于粒子群优化BP神经网络的评价模型，并将其应用到火电厂大气环境评价研究中。结合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索优势，有效防止了网络陷入局部极小值，同时能保证评价结果的准确性。火电厂实例验证结果表明：利用粒子群优化的BP神经网络模型进

2、行火电厂环境评价不仅计算简便，而且评价结果具有较高的可靠性。关键词：火电厂；大气环境；PSO；BP神经网络作者简介：孙薇(1962)，女，副主任，教授，博士，从事电力市场、技术经济及管理研究。中图分类号：TP393文献标识码：A文章编号：1001—9529(2008)02-013l4ApplicationofParticleSwarmOptimizationbasedBPneuralnetworkstoatmosphereenvironmentassessmentofthermalpowerplantsSUNWei，ZOUYing(SchoolofBusinessAdministration

3、，NoahChinaElectricPowerUniv．，Baoding071003，China)Abstract：TheParticleSwarmOptimization(PSO)algorithmwasusedtoimprovethetraditionalBPneuralnetwork，andtheassessmentmodelbasedontheimprovedBPneuralnetworkwasestablishedand】aterappliedtoatmosphereenvironmentassessmentofthermalpowerplants．Theglobaloptimiz

4、ationofPSOandthelocalaccuratesearchingper—formaneeofBParecombined．whicheffectivelypreventsthenetworkfromfallingintolocalminimumandensuresas—sessmentaccuracy．Examplecalculationshowsthattheassessmentmodelisbothconvenientandaccurate．Keywords：thermalpowerplant：atmosphereenvironment；ParticleSwarmOptimiz

5、ation(PSO)；BPneuralnetwork近年来，我国在环境研究方面取得了很大进1粒子群优化算法及算法的改进展，提出了许多不同的方法：灰色聚类法、模糊综合评价法及模糊灰色模PSO(ParticleSwarmOptimization)算法最型等。初是Kennedy与Eberhart受鸟群觅食行为的启发这些方法都取得了一定的效果，但在一定程后于1995年提出来的，是基于群体智能理论的优度上，这些方法缺乏自学习能力，在确定评价权重化算法，通过鸟之间的集体协作使群体达到最优时也受到主观因素的制约。的过程。之后Shi等引入惯性权重W以更好地火电厂的大气环境可视为一个非线性动态系控制开发和探索

6、，形成了当前的标准版本。统，大气环境的变化是该系统对输入的悬浮颗粒PSO算法采用速度一位置搜索模型。优化问及二氧化硫等物质进行调整的结果。神经网络模题的每一个可能解都称为“粒子”，解的优劣程度型具有很强的非线性映射能力和柔性网络结构，由适应度决定。粒子通过追踪个体最优解和全局以及高度的容错性和鲁棒性，适合非线性问题的最优解来调整自己。研究，故而也适合火电厂大气环境评价研究。本在基本的粒子群算法中，m个粒子群在～个文选取BP神经网络算法，进行火电厂大气环境D维的目标搜索空间中，其中第i个粒子表示一的评价研究，但是，标准BP算法存在着收敛速度个D维向量X=(⋯，D)，i=1，2，⋯，m，慢和容易

7、陷人局部极值两个问题。为此，采用粒将代入目标函数就可以计算出适应度，根据适子群算法对神经网络的训练进行优化。应度的大小衡量的优劣。单个粒子所经历的维普资讯http://www.cqvip.com鲁采电力最优位置记为：=(PP⋯，P)，相应的适应其中，E=∑[∑(一)]／N，是目标度称为个体最优解P。，整个粒子群经历过的最优位置记作：P。。=(Pg，P，⋯，P)，其适应度值，)，是预输出值，Ⅳ是训练样本数，是输