基于改进RBF碟式太阳集热器出口气流温度预测

为了改善传统的数学建模预测集热器出口气流温度较为复杂的问题,采用RBF(径向基函数)神经网络建立温度预测模型。考虑到碟式太阳集热器出口气流温度影响因素较多,在大量历史实验数据基础上,分析其主要影响因素。为提高预测精度,提出一种自适应聚类算法对RBF神经网络进行改进,并利用Kennard-Stone选取方法(简称K-S法)的空间均匀分布原理提高训练样本质量。根据碟式太阳能光热系统的实测数据对所提的模型进行测试,结果表明,改进算法可进一步提高预测精度和效率,验证了改进算法的可行性和有效性。