基于代理辅助多目标进化算法的工业锅炉系统设定值优化方法

    公开(公告)号:CN119270647A

    公开(公告)日:2025-01-07

    申请号:CN202411387562.6

    申请日:2024-10-04

    Abstract: 本发明公开了基于代理辅助多目标进化算法的工业锅炉系统设定值优化方法,旨在优化工业锅炉控制系统的运行效率,特别针对锅炉燃烧效率、氮氧化物排放浓度和电力消耗的昂贵高维多目标优化问题。所述方法提出了一种对支持向量机(SVM)与前馈神经网络(FNN)异构集成的代理辅助进化算法,结合工业锅炉系统中的传感器设备采集所得数据,构建并训练代理模型用于氮氧化物排放浓度预测,对锅炉控制系统设定值如蒸汽流量以及燃烧温度等参数进行寻优,通过设定双档案机制,评估算法进化过程中的收敛性和多样性,并利用自适应采样策略调节优化方案,以应对复杂的工业环境变化。通过实验验证在工业锅炉运行控制系统设定值优化方面的良好性能。

    一种基于贝叶斯优化的自组织循环神经网络的大气污染物浓度预测方法

    公开(公告)号:CN119358592A

    公开(公告)日:2025-01-24

    申请号:CN202411345032.5

    申请日:2024-09-25

    Abstract: 一种基于贝叶斯优化的自组织循环神经网络的大气污染物浓度预测方法,属于智能环保技术领域。目前针对大气污染物浓度预测的方法存在一些难题,包括模型复杂、预测精度低、时空关联不足以及实时性差等问题。因此,本发明设计了一种基于贝叶斯优化的自组织循环神经网络模型。该模型利用门控循环单元神经网络的优势,深入挖掘多种气象因素与大气污染物之间的关联;并设计基于贝叶斯优化算法的智能调优机制,实现模型参数和结构的初步优化,从而提高模型的效率;然后采用敏感度分析计算隐含层各神经元对输出的贡献度,从而自适应的调整网络结构与参数,进一步提高模型的鲁棒性和准确性。

Patent Agency Ranking