科技资讯
科技資訊
과기자신
SCIENCE & TECHNOLOGY INFORMATION
2014年
2期
61-62
,共2页
廖德君%王星%王旭%王浩%罗一东%梁爽%刘倩
廖德君%王星%王旭%王浩%囉一東%樑爽%劉倩
료덕군%왕성%왕욱%왕호%라일동%량상%류천
软测量%含硫废气%质量监控%最小二乘支持向量机
軟測量%含硫廢氣%質量鑑控%最小二乘支持嚮量機
연측량%함류폐기%질량감공%최소이승지지향량궤
为监控脱硫单元废气中的H2S及SO2的含量,本文采用一种基于局部加权最小二乘支持向量机(Local Weighted Least Squares Support Vector Machines,LWLSSVM)的软测量建模方法.在即时学习框架下(Just-in-time learning,JITL)建立WLSSVM模型,模型参数通过粒子群优化算法(Particle Swarm Optimization,PSO)优化获得.采用此软测量模型代替硬件分析仪表在线估计H2S及SO2的含量,能够避免对硬件仪表的腐蚀,减少维护负担,从而降低运营成本.在某硫回收单元上的应用效果表明,所建软测量模型具有令人满意的预报精度.
為鑑控脫硫單元廢氣中的H2S及SO2的含量,本文採用一種基于跼部加權最小二乘支持嚮量機(Local Weighted Least Squares Support Vector Machines,LWLSSVM)的軟測量建模方法.在即時學習框架下(Just-in-time learning,JITL)建立WLSSVM模型,模型參數通過粒子群優化算法(Particle Swarm Optimization,PSO)優化穫得.採用此軟測量模型代替硬件分析儀錶在線估計H2S及SO2的含量,能夠避免對硬件儀錶的腐蝕,減少維護負擔,從而降低運營成本.在某硫迴收單元上的應用效果錶明,所建軟測量模型具有令人滿意的預報精度.
위감공탈류단원폐기중적H2S급SO2적함량,본문채용일충기우국부가권최소이승지지향량궤(Local Weighted Least Squares Support Vector Machines,LWLSSVM)적연측량건모방법.재즉시학습광가하(Just-in-time learning,JITL)건립WLSSVM모형,모형삼수통과입자군우화산법(Particle Swarm Optimization,PSO)우화획득.채용차연측량모형대체경건분석의표재선고계H2S급SO2적함량,능구피면대경건의표적부식,감소유호부담,종이강저운영성본.재모류회수단원상적응용효과표명,소건연측량모형구유령인만의적예보정도.
