本文關(guān)鍵詞：基于多LS-SVM集成模型的鍋爐NO_x排放量建模

  更多相關(guān)文章： NOx排放量 多LS-SVM集成模型 GA-SFCM 有監(jiān)督模糊聚類

【摘要】：為了提高電站鍋爐氮氧化物(NO_x)排放量預(yù)測(cè)模型的精度,提出了一種基于多最小二乘支持向量機(jī)(LS-SVM)集成模型的NO_x排放量建模方法。首先按照NO_x排放量由低到高將數(shù)據(jù)空間初步劃分為低、中、高3個(gè)子空間,然后依據(jù)輸入變量與NO_x相關(guān)性分析來(lái)確定輸入變量的權(quán)重,通過(guò)篩選得到主要的特征變量。在此基礎(chǔ)之上,采用有監(jiān)督的遺傳算法-軟模糊聚類(GA-SFCM)方法,獲得各數(shù)據(jù)子空間的聚類中心及其相應(yīng)的樣本隸屬度,通過(guò)融合隸屬度的最小二乘法對(duì)各子空間LS-SVM模型進(jìn)行集成。仿真結(jié)果表明,通過(guò)篩選參與聚類的變量提高了聚類性能和模型精度,采用有監(jiān)督的GA-SFCM算法進(jìn)行聚類,降低了聚類復(fù)雜度,建立的多LS-SVM集成模型比單一LS-SVM模型有更好的泛化能力。
【作者單位】： 華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院;
【關(guān)鍵詞】： NOx排放量 多LS-SVM集成模型 GA-SFCM 有監(jiān)督模糊聚類
【基金】：河北省自然科學(xué)基金(F2014502059)資助項(xiàng)目
【分類號(hào)】：X773
【正文快照】： 1引言隨著國(guó)家對(duì)燃煤機(jī)組氮氧化物排放要求的不斷提高,高效降低污染物排放已經(jīng)成為燃煤電站面臨的重要問(wèn)題。建立精確且穩(wěn)定的NOx排放量模型是有效控制NOx排放量的重要一環(huán)�？紤]到NOx的形成機(jī)理復(fù)雜,常規(guī)的機(jī)理模型難以建立,因此,基于數(shù)據(jù)的建模方法在NOx排放量建模中廣泛應(yīng)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 焦文獻(xiàn);徐中民;;人文因素作用集成模擬模型國(guó)際研究進(jìn)展[J];冰川凍土;2010年02期

2 ;[J];;年期

，

本文編號(hào)：816329