Basé sur les données expérimentales de régime thermique sur site d'une chaudière à charbon surcritique de 660 MW, en utilisant la boîte à outils intelligente MATLAB, les caractéristiques d'émission de NOx de cette chaudière ont été modélisées en utilisant un réseau de neurones radial (RBF) et le réseau de neurones BP, et pour optimiser les poids de la couche de sortie du modèle de prédiction du réseau de neurones RBF et les centres et les écarts-types de fonction RBF, l'algorithme du gradient alterné est utilisé, et pour améliorer le réseau de neurones BP, la méthode de momentum est utilisée. L'analyse comparative des résultats de simulation et de prédiction des deux modèles montre que l'erreur maximale de prédiction du modèle de prédiction du réseau de neurones RBF après optimisation des paramètres est de 3,0 %, et l'erreur moyenne est de 1,75 %, et que l'erreur maximale de prédiction du modèle de prédiction du réseau de neurones BP après amélioration est de 6,6 %, et l'erreur moyenne est de 4,5 %, les deux modèles ont une bonne précision et capacité de généralisation, et que le modèle de réseau de neurones RBF a une vitesse de calcul plus rapide, une plus forte capacité d'ajustement et de généralisation.

chaudières à charbon ; émissions de NOx ; réseau de neurones radial RBF ; réseau de neurones BP ; modèle de prédiction