动力工程学报
動力工程學報
동력공정학보
JOURNAL OF POWER ENGINEERING
2013年
4期
267-271
,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
循环流化床锅炉%NOx排放特性%支持向量机%果蝇优化算法%模型
循環流化床鍋爐%NOx排放特性%支持嚮量機%果蠅優化算法%模型
순배류화상과로%NOx배방특성%지지향량궤%과승우화산법%모형
为了控制循环流化床(CFB)锅炉的NOx排放量,以某热电厂300 MW CFB锅炉测试数据为样本,应用支持向量机(SVM)建立NOx排放特性预测模型.针对SVM回归预测需要人为确定相关参数的不足,应用果蝇优化算法(FOA)优化SVM参数,采用不同工况下的样本数据检验FOA-SVM模型的预测性能,并将该模型的预测结果与粒子群算法(PSO)、遗传算法(GA)和万有引力搜索算法(GSA)优化的SVM模型预测结果进行了比较.结果表明:FOA-SVM模型的泛化能力较强,预测精度较高,训练时间较短,可以相对快速、准确地预测NOx排放质量浓度.
為瞭控製循環流化床(CFB)鍋爐的NOx排放量,以某熱電廠300 MW CFB鍋爐測試數據為樣本,應用支持嚮量機(SVM)建立NOx排放特性預測模型.針對SVM迴歸預測需要人為確定相關參數的不足,應用果蠅優化算法(FOA)優化SVM參數,採用不同工況下的樣本數據檢驗FOA-SVM模型的預測性能,併將該模型的預測結果與粒子群算法(PSO)、遺傳算法(GA)和萬有引力搜索算法(GSA)優化的SVM模型預測結果進行瞭比較.結果錶明:FOA-SVM模型的汎化能力較彊,預測精度較高,訓練時間較短,可以相對快速、準確地預測NOx排放質量濃度.
위료공제순배류화상(CFB)과로적NOx배방량,이모열전엄300 MW CFB과로측시수거위양본,응용지지향량궤(SVM)건립NOx배방특성예측모형.침대SVM회귀예측수요인위학정상관삼수적불족,응용과승우화산법(FOA)우화SVM삼수,채용불동공황하적양본수거검험FOA-SVM모형적예측성능,병장해모형적예측결과여입자군산법(PSO)、유전산법(GA)화만유인력수색산법(GSA)우화적SVM모형예측결과진행료비교.결과표명:FOA-SVM모형적범화능력교강,예측정도교고,훈련시간교단,가이상대쾌속、준학지예측NOx배방질량농도.
