基于K-ELM和GMM的氮氧化物排放预测

摘要：

针对使用大规模数据对电站锅炉氮氧化物(NOx)排放进行建模时,建模时间长、计算复杂度高的问题,提出一种基于核极限学习机(K-ELM)和高斯混合模型(GMM)的NOx排放建模方法.通过GMM对模型输入样本进行聚类,进行均衡化处理,利用K-ELM对NOx排放进行建模,通过网格搜索和交叉验证获得模型的最优参数,应用模型对锅炉真实运行数据进行预测分析.实验结果表明,与使用同等数据量进行K-ELM建模相比,GMM-K-ELM进一步提高了模型的泛化能力.

关键词：大规模数据、氮氧化物排放、核极限学习机(K-ELM)、高斯混合模型(GMM)、聚类

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：山西省自然科学基金项目;山西省回国留学人员科研基金项目

在线出版日期：2020-04-20（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：231-237