文献检索-宁波市创意产业特色资源库

限定检索结果

Adaboost集成BP神经网络在火电厂SO_2浓度检测中的应用: 收藏
分享
引用; 《传感器与微系统》2016年第9期35卷 148-151页; 作者：严玥严实杨永斌江赟重庆工商大学检测控制集成系统重庆市市级工程实验室重庆400067 重庆川仪分析仪器有限公司重庆400060; 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...; 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。; 来源：详细信息评论

限定检索结果