基于果蝇算法优化广义回归神经网络的凝汽器真空预测

针对凝汽器真空模型复杂而难以准确建立的问题,提出了基于果蝇算法优化广义回归神经网络(FOAGRNN)构建凝汽器真空预测模型的新方法。为了简化网络模型,通过计算平均影响值(MIV)筛选出对凝汽器真空影响较为重要的变量。采用果蝇算法对光滑因子进行优化选取,减少人为设置参数对预测效果的影响,提高广义回归神经网络(GRNN)的预测精度。将该方法应用于660MW火电机组凝汽器真空预测,并与未经变量筛选的GRNN及FOAGRNN预测结果进行对比。结果表明筛选变量过后的FOAGRNN模型的预测精度明显优于另外两种,平均相对误差为1.0925%,能够准确地预测凝汽器真空变化值。