毕业设计我帮你

基于深度神经网络的发电机组排污数据回归分析研究与实现
在雾霾现象日益严重的今天，我国火力发电在整个发电系统中任占有很大的比重，其带来的环境污染问题不能忽视，节能减排刻不容缓。通过研究安徽省电力公司30台火电机组2个月的排放数据，使用基于深度神经网络的方法对其做回归分析，构建污染物排放量预测回归模型是当前需要解决的问题。
主要内容：（1）对发电机组排放数据做预处理工作，形成统一格式的数据以便后期处理。（2）在python或matlab编程环境下利用递归神经网络（RNN）构建发电机组排放量的预测回归模型。调节激活函数、归一化方法、序列步数等参数使模型达到最优，使预测均方误差降低到0.1以下。所形成的单步调试对比图，如图1所示。（3）使用前80%的数据作为训练数据，后20%作为测试数据，通过与基于最小二乘法的多项式拟合、支持向量机回归（SVR）、隐马尔科夫模型（HMM）等方案的对比，验证基于深度神经网络的模型在发电机组排放预测问题上的有效性，如图2所示。

基本要求：
（1）完成系统软硬件设计，实现上述功能；
（2）要求生成开发过程中关键文档；
（3）独立完成毕业论文（设计）任务，不弄虚作假、抄袭别人的成果，保质保量的按时完成规定的任务；
（4）完成约3000字以上的相关的外文资料翻译；
（5）按毕业论文（设计）的规范化要求撰写毕业论文。

计划与进度要求
第1周至第3周   ：进行需求调研和需求分析，拟定开题报告
第4周至第5周   ：在需求分析的基础上，完成软件系统设计与原型系统界面，并撰写设计文档
第6周至第11周  ：完成系统编程实现，并对系统进行必要测试
第12周          ：完成毕业设计和论文初稿
第13周至第15周 ：完善毕业设计和论文
第16周           ：毕业设计答辩

主要参考文献及资料收集
[1] 蒋宗礼. 人工神经网络[M]. 北京: 高等教育出版社, 2001.
[2] 顾嘉运, 刘晋飞, 陈明. 基于 SVM 的大样本数据回归预测改进算法[J]. 计算机工程, 2014, 40(1): 161-166.
[3] 师瑞峰, 崔灿. 电力负荷分配模型及其优化方法综述[J]. 陕西电力, 2011, 39(4): 10-15.
[4] 郭晓君, 刘思峰, 吴利丰. 污染物减排预测的灰色 Markov 组合模型与算法[J]. 计算机应用研究, 2013, 30(12): 3670-3673.
[5] Graves A, Mohamed A, Hinton G. Speech recognition with deep recurrent neural networks[C]//Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference on. IEEE, 2013: 6645-6649.
Graves A, Jaitly N, Mohamed A. Hybrid speech recognition with deep bidirectional LSTM[C]//Automatic Speech Recognition and Understanding (ASRU), 2013 IEEE Workshop on. IEEE, 2013: 273-278.