基于主成分分析和长短期记忆神经网络的锅炉燃烧系统模型

摘要

燃烧系统建模是锅炉燃烧优化控制的基础。由于锅炉燃烧系统具有强耦合、多输入输出、时序性输入输出等特点,很难建立符合实际情况的机理模型。本文提出一种基于主成分分析法(PCA)数据降维和长短期记忆神经网络(LSTM)的锅炉燃烧系统模型,其中,PCA方法可以降低输入参数维度以减少数据复杂度,LSTM神经网络能够处理具有时间序列特性的大量数据。与传统的循环神经网络模型相比,模型运算速度和泛化能力都有所提高;与未进行PCA降维处理的LSTM模型相比,运算速度有显著提高。