科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工神经网络技术的不断发展，有机朗肯循环(organic Rankine cycle, ORC)神经网络模型广泛应用于系统分析和优化领域。针对现有ORC神经网络模型计算量大、时间周期长和精度偏低的问题，本文提出了基于肖维勒准则与主元分析的ORC神经网络建模方法。采用肖维勒准则对ORC实验数据进行预处理，以去除异常数据，同时数据得到规范化处理。随后，采用主元分析对ORC特征进行矩阵变换和降维，以提取与ORC运行显著相关的特征向量。最后，通过实验数据验证了提出方法的有效性。该方法可在提高模型精度的同时，降低建模所需的时间。与基于原始数据的ORC神经网络模型相比，基于该方法的ORC神经网络模型建模所需时间降低了88.69%。同时，模型预测精度提高了19.93%。
- 单位
