摘要：在回归和延时神经网络的基础上，利用非线性组合预测方法的优点，提出一种新的预测模型——双重BP神经网络组合模型模型，选用某660MW机组的主蒸汽流量数据进行学习训练，实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度，校核样本的平均相对误差为1．5％，而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2．7％和1．9％，证明双重BP神经网络组合模型具有很高的预测精度，可应用于火电厂实时数据的有效性验证。

关键词：双重bp神经网络 实时 组合预测 回归神经网络 延时神经网络 

单位：浙江大学机械与能源工程学院; 浙江省杭州市310027