基于数据增强和模型迁移的生物质气化产物分布预测方法OA北大核心CSTPCD
生物质气化产物预测对于实现气化炉精准调控具有重要意义。机器学习方法计算速度快、拟合精度高,但由于实验样本不足,难以构建高可信预测模型。为此,该文提出基于数据增强和模型迁移的生物质气化产物分布预测方法。首先,构建生物质气化动力学模型并生成充足仿真数据来实现样本增强;然后,建立基于仿真数据的神经网络预训练模型,并在预训练模型基础上增加线性和非线性校准网络,利用实验数据对校准网络进行更新,将预训练模型迁移至与实验数据适配的特征空间。最后,采用该方法构建…查看全部>>
任少君;朱保宇;翁琪航;张逸佳;邓志平;司风琪
能源热转换及其过程测控教育部重点实验室(东南大学),江苏省南京市210096能源热转换及其过程测控教育部重点实验室(东南大学),江苏省南京市210096能源热转换及其过程测控教育部重点实验室(东南大学),江苏省南京市210096能源热转换及其过程测控教育部重点实验室(东南大学),江苏省南京市210096能源热转换及其过程测控教育部重点实验室(东南大学),江苏省南京市210096能源热转换及其过程测控教育部重点实验室(东南大学),江苏省南京市210096
能源与动力
生物质气化气化产物预测机器学习模型迁移数据增强
《中国电机工程学报》 2024 (18)
P.7309-7320,I0017,13
评论