基于多层感知器的异常数据实时检测方法
基于神经网络的多层感知器模型，结合滚动学习一预报机制，提出了一种异常数据实时检 测方法，该方法在每个当前时刻通过最近的固定长度的历史数据训练神经网络，完成下一时刻的预 报，通过神经网络模型残差，确定概率为(p)的置信区间，当下一时刻数据落入置信区间内，则该数 据被判为正常；反之，则为异常，被判为异常的数据不再用作更新历史数据，而以相应的预报值代 替，通过某300MW燃煤火力电站实际过程数据的在线验证，结果证明了所提出的方法有效性。
人工神经网络 多层感知器 滚动学习一预报 异常数据 实时监测
潘轶彪 袁景淇 朱凯 陈宇 张锐锋
上海交通大学自动化系,系统控制与信息处理教育部重点实验室,上海 200240 贵州电力试验研究院,贵阳 550002
国内会议
南京
中文
1308-1311
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）