计量学报
計量學報
계량학보
ACTA METROLOGICA SINICA
2013年
6期
602-606
,共5页
牛培峰%麻红波%李国强%马云飞%陈贵林%张先臣
牛培峰%痳紅波%李國彊%馬雲飛%陳貴林%張先臣
우배봉%마홍파%리국강%마운비%진귀림%장선신
计量学%氮氧化物排放特性%万有引力搜索算法%支持向量机%循环流化床锅炉
計量學%氮氧化物排放特性%萬有引力搜索算法%支持嚮量機%循環流化床鍋爐
계량학%담양화물배방특성%만유인력수색산법%지지향량궤%순배류화상과로
Metrology%NOx emission characteristicl%Gravitation search algorithm%Support vector machine%Circulating fluidized bed boilers
为了准确地预测循环流化床锅炉NOx排放量,以某热电厂循环流化床锅炉燃烧数据为样本,提出了基于支持向量机(SVM)的循环流化床锅炉NOx排放特性GSA-SVM模型.由于SVM精度及泛化能力依赖于参数选择,故将万有引力搜索算法(GSA)运用到模型参数寻优过程中,利用不同工况下的样本数据检验了模型的预测性能,并将该模型分别与BP神经网络、粒子群(PSO)和遗传算法(GA)优化的SVM模型进行比较,仿真实验证明GSA-SVM模型具有很好的辨识能力及良好的泛化能力.
為瞭準確地預測循環流化床鍋爐NOx排放量,以某熱電廠循環流化床鍋爐燃燒數據為樣本,提齣瞭基于支持嚮量機(SVM)的循環流化床鍋爐NOx排放特性GSA-SVM模型.由于SVM精度及汎化能力依賴于參數選擇,故將萬有引力搜索算法(GSA)運用到模型參數尋優過程中,利用不同工況下的樣本數據檢驗瞭模型的預測性能,併將該模型分彆與BP神經網絡、粒子群(PSO)和遺傳算法(GA)優化的SVM模型進行比較,倣真實驗證明GSA-SVM模型具有很好的辨識能力及良好的汎化能力.
위료준학지예측순배류화상과로NOx배방량,이모열전엄순배류화상과로연소수거위양본,제출료기우지지향량궤(SVM)적순배류화상과로NOx배방특성GSA-SVM모형.유우SVM정도급범화능력의뢰우삼수선택,고장만유인력수색산법(GSA)운용도모형삼수심우과정중,이용불동공황하적양본수거검험료모형적예측성능,병장해모형분별여BP신경망락、입자군(PSO)화유전산법(GA)우화적SVM모형진행비교,방진실험증명GSA-SVM모형구유흔호적변식능력급량호적범화능력.
