Basado en los datos de experimentación de régimen térmico en sitio de una caldera de carbón supercrítica de 660 MW, empleando la caja de herramientas inteligente de MATLAB, se modelaron las características de emisión de NOx de esta caldera utilizando una red neuronal radial (RBF) y la red neuronal BP, y para optimizar los pesos de la capa de salida del modelo de predicción de la red neuronal RBF y los centros y las desviaciones estándar de la función RBF, se utiliza el algoritmo del gradiente alternativo, y para mejorar la red neuronal BP se utiliza el método de momentum. El análisis comparativo de los resultados de simulación y predicción de los dos modelos muestra que el error máximo de predicción del modelo de predicción de la red neuronal RBF después de la optimización de parámetros es del 3,0 %, y el error promedio es del 1,75 %, y que el error máximo de predicción del modelo de predicción de la red neuronal BP después de la mejora es del 6,6 %, y el error promedio es del 4,5 %, ambos modelos tienen una buena precisión y capacidad de generalización, y que el modelo de red neuronal RBF tiene una velocidad de cálculo más rápida y una capacidad de ajuste y generalización más fuerte.

calderas de carbón ; emisiones de NOx ; red neuronal radial RBF ; red neuronal BP ; modelo de predicción