带有特征选取电站锅炉燃烧效率建模

摘要：

针对电站锅炉效率难以准确测定问题,依据机器学习理论,采用数据驱动建模方法建立锅炉效率预测模型.分类回归树(CART)算法通过数据分析选取对锅炉效率影响显著的相关变量.然后,K最近邻(KNN)分类器对相关变量的样本进行分类,区分不同工况生产数据.根据不同工况数据,设计了一种基于差分进化算法(DE)的最小二乘支持向量机(LSSVM)建立数据驱动模型(DDMMF),DE动态优化LSSVM的参数以提高模型精度.最后,对预测模型进行动态修正进一步提高预测精度.基于实际生产数据的实验结果表明,该模型能够准确预测锅炉燃烧效率,满足锅炉燃烧过程控制和优化的需求.

关键词：特征选取、K最近邻分类器、数据驱动模型、模型修正、锅炉燃烧效率

所属期刊栏目：25

分类号：TP274;TM621;TM31(自动化技术及设备)

资助基金：国家自然科学基金;吉林省自然科学基金

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7