一种应用于超超临界机组的堆叠自编码器建模方法

摘要

本发明涉及了一种堆叠自编码器方法并可应用于超超临界机组建模，在机组内选用了较完整数据的情况下，这一方法解决了大数据背景下传统系统辨识方法很难建立精确的分析模型的问题，同时为了免去繁琐的数据预处理过程，采用最大相关熵函数作为代价函数，具体步骤包括：设定一个超超临界的火电厂，从超超临界机组数据集中提取合适的数据作为模型训练的输入输出样本集，确定堆叠自编码器的网络结构，选取的输入数据集作为模型的输入，采用梯度下降法对每一个自编码器进行训练，利用输入输出数据对堆叠自编码器整个网络采用梯度下降法进行微调，对数据反归一化，从而产生堆叠自编码器的最终输出。