k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分.为提高神经网络的预测精度和收敛速度,建立k-means-RBF集成神经网络模型.首先,通过选取不同的径向基函数神经网络参数,得到一组RBF神经网络;然后,利用k-means算法对生成的RBF神经网络进行聚类,并筛选出各类中精度较高的神经网络;最后,通过简单平均法对筛选出的神经网络进行集成,得到高性能的k-means-RBF集成神经网络模型.为验证模型有效性,搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证.结果表明,与粒子群算法优化后的Back Propagation(PSO-BP)神经网络模型相比,k-means-RBF集成神经网络模型的平均预测精度提高78.27%,收敛时间节省99.65%.