基于數(shù)據(jù)增強和模型遷移的生物質(zhì)氣化產(chǎn)物分布預測方法

摘要： 生物質(zhì)氣化產(chǎn)物預測對于實現(xiàn)氣化爐精準調(diào)控具有重要意義。機器學習方法計算速度快、擬合精度高，但由于實驗樣本不足，難以構建高可信預測模型。為此，該文提出基于數(shù)據(jù)增強和模型遷移的生物質(zhì)氣化產(chǎn)物分布預測方法。首先，構建生物質(zhì)氣化動力學模型并生成充足仿真數(shù)據(jù)來實現(xiàn)樣本增強；然后，建立基于仿真數(shù)據(jù)的神經(jīng)網(wǎng)絡預訓練模型，并在預訓練模型基礎上增加線性和非線性校準網(wǎng)絡，利用實驗數(shù)據(jù)對校準網(wǎng)絡進行... （共13頁）