带有深度学习的多特征选择组合算法燃气轮机参数建模
联合循环机组的燃气轮机燃烧是复杂的物理、化学过程,NOx排放浓度作为燃气轮机运行的一个状态参数耦合其他多参数,导致构建的预测模型精度低.依据深度学习理论,提出了一种基于深度置信网络非线性组合多特征选择(multi-feature selection nonlinear combined deep belief network,MFNDBN)方法以实现NOx浓度的准确预测.首先,对原始数据进行基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)异常值检测与Savitzky-Golay滤波方法的数据清洗.然后,结合偏互信息、决策树、LASSO特征选择算法分别构造基于深度置信网络的NOx预测模型.最后,将3种特征选择方法的预测模型进行非线性组合得到最终的预测模型.基于验证数据的实验结果表明,所提方法能够对燃气轮机NOx排放浓度进行准确的预测.
数据驱动、NOx排放、滤波、特征组合、算法、模型、预测
35
TK472(内燃机)
2022-04-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
35-41