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.pdf

维普资讯 第36卷 第2期 要氧雹力 V01．36 N0．2 East OhinaEIectricPower Feb． 2008 2008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 局部有哪些信誉好的足球投注网站优势，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)02-013l4 Application ofParticleSwarm Optimization basedBP neuralnetworksto atmosphereenvironmentassessmentofthermalpowerplants SUN Wei，ZOU Ying (SchoolofBusinessAdministration，NoahChinaElectricPowerUniv．，Baoding071003，China) Abstract：TheParticleSwarm Optimization(PSO)algorithmwasusedtoimprovethetraditionalBPneuralnetwork， andtheassessmentmodelbasedontheimprovedBPneuralnetworkwasestablishedand】aterappliedtoatmosphere environmentassessmentofthermalpowerplants．TheglobaloptimizationofPSOandthelocalaccuratesearchingper— formaneeofBParecombined．whicheffectivelypreventsthenetworkfrom fallingintolocalminimum andensuresas— sessmentaccuracy．Examplecalculationshowsthattheassessmentmodelisbothconvenientandaccurate． Keywords：thermalpowerplant：atmosphereenvironment；ParticleSwarmOptimization(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