基于自适应多尺度核偏最小二乘的 SCR烟气脱硝系统建模

摘要：

针对选择性催化还原(selective catalytic reduction，SCR)脱硝系统中输入变量的多尺度特性及时变特性问题，将核偏最小二乘与多核学习相结合，同时引入自适应模型更新策略，提出了自适应多尺度核偏最小二乘(self-adaptive multi-scale KPLS，SMKPLS)方法。通过优化算法确定每个自变量对应的核函数宽度，然后利用多尺度核偏最小二乘方法建立非线性模型，采用自适应模型更新方法对模型进行更新。将该方法应用于SCR脱硝系统建模，并与其他建模方法进行对比，结果表明，SMKPLS 预测精度明显高于其他模型，计算时间远小于其他模型，具有更好的泛化能力及鲁棒性。

关键词：选择性催化还原(SCR)脱硝、偏最小二乘、多尺度核、自适应、数据建模

分类号：TK39(热工量测和热工自动控制)

资助基金：国家重点基础研究发展计划项目973计划2012CB215203；北京高等学校青年英才计划项目YEPT0705。 The National Basic Research Program 973 Program2012CB215203;Beijing Higher Education Young Elite Teacher ProjectYEPT0705

在线出版日期：2015-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6083-6088