Adaboost集成BP神经网络在火电厂SO<sub>2</sub>浓度检测中的应用

严玥; 严实; 杨永斌; 江赟

doi:10.13873/J.1000-9787(2016)09-0148-04

Chinese

您当前的位置：

首页 >

文章列表页 >

Adaboost集成BP神经网络在火电厂SO₂浓度检测中的应用

应用技术 | 更新时间：2025-09-11

- Adaboost集成BP神经网络在火电厂SO₂浓度检测中的应用
- Application of Adaboost integrated BP neural network in SO₂ concentration detection in power plant
- 传感器与微系统 2016年35卷第9期页码：148-151
- 作者机构：
  
  1. 重庆工商大学检测控制集成系统重庆市市级工程实验室
  2. 重庆川仪分析仪器有限公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61502063）;重庆市教委科研项目（KJ1500639）
- DOI：10.13873/J.1000-9787(2016)09-0148-04
  中图分类号： TM621;TP183
- 纸质出版：2016
- 稿件说明：
移动端阅览
[1]严玥,严实,杨永斌,江赟.Adaboost集成BP神经网络在火电厂SO_2浓度检测中的应用[J].传感器与微系统,2016,35(09):148-151.

YAN Yue, YAN Shi, YANG Yong-bin, et al. Application of Adaboost integrated BP neural network in SO₂ concentration detection in power plant[J]. 2016, 35(9): 148-151.
[1]严玥,严实,杨永斌,江赟.Adaboost集成BP神经网络在火电厂SO_2浓度检测中的应用[J].传感器与微系统,2016,35(09):148-151. DOI： 10.13873/J.1000-9787(2016)09-0148-04.

YAN Yue, YAN Shi, YANG Yong-bin, et al. Application of Adaboost integrated BP neural network in SO₂ concentration detection in power plant[J]. 2016, 35(9): 148-151. DOI： 10.13873/J.1000-9787(2016)09-0148-04.

摘要

针对火电厂在线SO2浓度检测中

检测精度受到温度、压力（大气压及烟气压力）、燃煤质量、水分含量、电子器件噪声、光学镜片老化、气体吸收峰值交叉干扰等多种因素的干扰

很难以单一方法进行改进这一问题。以国内某中型火电厂2015年实际生产数据为依据

设计预处理装置完成气体的前期处理

以尽可能达到分析仪分析要求（温度、流量、含水量等）

减少可预见干扰

采用Adaboost算法集成BP神经网络进行优化

降低其他因素对检测结果的干扰

仿真测试分析

证明了该方法的有效性。

Abstract

Aiming at problem of online SO2 concentration detection in power plant

detection precision may be interfered by all kinds of factors

such as temperature

pressure（which includes atmosphere and smoke pressure）

coal mass

moisture content

noise of electric devices

optical lens aging

interference at spectral of gas absorption

it is difficult to improve by a single way.According to real production data of a large thermal power plant in 2015

a kind of gas pretreatment device is developed in order to meet the requirements of analyzer and reduce predictable interference.Adopt Adaboost algorithm to optimize integrated BP neural network in order to avoid unpredictable interference.By simulation

test and analysis

it is verified that this method is effective.

关键词

Keywords

references

一种基于Boosting的集成学习算法在不均衡数据中的分类 [J]. 李诒靖,郭海湘,李亚楠,刘晓. 系统工程理论与实践 . 2016(01)

Mn掺杂纳米SnO 2 的气敏性能研究 [J]. 梅军鹏,张覃轶,韩雪亮. 传感器与微系统 . 2013(01)

AdaBoost算法研究进展与展望 [J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报 . 2013(06)

改进BP神经网络模型及其稳定性分析 [J]. 张国翊,胡铮. 中南大学学报(自然科学版) . 2011(01)

GB 13223-2011. 火电厂大气污染物排放标准 [S]. 2012

MATLAB神经网络原理与实例精解[M]. 清华大学出版社 , 陈明, 2013

Covariance-guided One-Class Support Vector Machine [J] . Naimul Mefraz Khan,Riadh Ksantini,Imran Shafiq Ahmad,Ling Guan. Pattern Recognition . 2014 (6)

A memetic particle swarm optimization algorithm for multimodal optimization problems [J] . Hongfeng Wang,Ilkyeong Moon,Shenxiang Yang,Dingwei Wang. Information Sciences . 2012

Application of design reuse to artificial neural networks: case study of the back propagation algorithm [J] . N. Izeboudjen,A. Bouridane,A. Farah,H. Bessalah. Neural Computing and Applications . 2012 (7)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

Adaboost集成BP神经网络在传感器阵列检测系统中的应用

基于Adaboost的孪生支持向量机人脸识别方法

污水管道有害气体的检测装置与算法设计

基于图像特征的车脸栅格的定位方法

基于几何特征与新Haar特征的人脸检测算法

Adaboost集成BP神经网络在火电厂SO2浓度检测中的应用

Application of Adaboost integrated BP neural network in SO2 concentration detection in power plant

DOI：10.13873/J.1000-9787(2016)09-0148-04

摘要

Abstract

关键词

Keywords

references

Adaboost集成BP神经网络在火电厂SO₂浓度检测中的应用

Application of Adaboost integrated BP neural network in SO₂ concentration detection in power plant