發(fā)布時間：2020-08-15 18:41

【摘要】：近年來,隨著人們生活水平的提高,人們對于環(huán)境保護(hù)的要求也越來越高,而火電機(jī)組排放的如粉塵、NO_x以及SO_2等污染物嚴(yán)重影響著自然環(huán)境。為了滿足超凈排放的標(biāo)準(zhǔn),火電機(jī)組往往投入大量的資金以滿足環(huán)保要求,而忽視了火電機(jī)組在環(huán)保方面的節(jié)能潛力,造成很大的浪費(fèi)。到目前為止,關(guān)于火電機(jī)組環(huán)保島系統(tǒng)的研究往往還停留在對各子系統(tǒng)的單獨(dú)研究上,忽視了各子系統(tǒng)之間相互耦合的關(guān)系,沒能從整體上對環(huán)保島經(jīng)濟(jì)性進(jìn)行分析。本文首先對傳統(tǒng)的XgBoost算法進(jìn)行改進(jìn),并且通過與回歸樹算法、梯度提升算法、傳統(tǒng)XgBoost算法進(jìn)行對比,驗(yàn)證了改進(jìn)XgBoost算法在模型建立方面的優(yōu)越性。然后對環(huán)保島系統(tǒng)各個子系統(tǒng)進(jìn)行機(jī)理分析,確定各個子系統(tǒng)的影響因素,通過整體性分析確定粉塵排放濃度、NO_x排放濃度和SO_2排放濃度模型的輸入變量。采用改進(jìn)的XgBoost算法建立粉塵排放濃度、NO_x排放濃度和SO_2排放濃度的數(shù)學(xué)模型,同時采用影響因素重要性分析、增量分析等方法驗(yàn)證模型的準(zhǔn)確性。接著,本文基于差分進(jìn)化算法、約束處理技術(shù)、自適應(yīng)懲罰算法提出了一種基于自適應(yīng)懲罰的復(fù)合差分進(jìn)化算法,并且從整體上對環(huán)保島系統(tǒng)的經(jīng)濟(jì)性進(jìn)行研究,提出了環(huán)保島經(jīng)濟(jì)性成本模型。然后基于前文得出的粉塵濃度排放模型、NO_x排放濃度模型以及SO_2排放濃度模型,得出滿足排放標(biāo)準(zhǔn)前提下優(yōu)化問題的約束條件,并通過基于自適應(yīng)懲罰的復(fù)合差分進(jìn)化算法進(jìn)行約束條件下可調(diào)參數(shù)的尋優(yōu)。本文最后就如何提升改進(jìn)XgBoost算法的性能進(jìn)行了研究,并行計(jì)算可以有效提高XgBoost算法的計(jì)算效率,充分利用計(jì)算機(jī)的內(nèi)外存資源,可以減小計(jì)算開銷并且提高磁盤的吞吐量。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TM621
【圖文】：

F1訓(xùn)練樣本

18圖 2-3 F2 訓(xùn)練樣本（3）測試樣本測試樣本選取的是區(qū)間[3,4]上的均勻分布不同于訓(xùn)練樣本的共 30 個樣本，用來測試改進(jìn) XgBoost 算法的有效性，是否具有較強(qiáng)的泛化能力。（4）參數(shù)選取改進(jìn)的 XgBoost 算法和 XgBoost 算法一樣對參數(shù)的選取很敏感，本節(jié)對主要的幾個參數(shù)，采用逐個試驗(yàn)的方法找出最佳的參數(shù)組合。一般的調(diào)優(yōu)過程如下：①剛開始的時候選擇較高的學(xué)習(xí)速率ε ，一般情況下，ε 的值為 0.1。但是，對于不同的問題，理想的ε 有時候會在 0.05 到 0.3 之間波動。選擇對應(yīng)于此學(xué)習(xí)速率的理想回歸樹數(shù)量，改進(jìn) XgBoost 在每一次迭代中使用交叉驗(yàn)證的方法選取最佳的回歸樹數(shù)量即

F1訓(xùn)練樣本實(shí)際值與預(yù)測值

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔超;楊婷婷;劉吉臻;呂游;劉濤;;基于BP網(wǎng)絡(luò)變量選擇與LSSVM結(jié)合的鍋爐脫硝經(jīng)濟(jì)性建模[J];中國電機(jī)工程學(xué)報(bào);2015年24期

2 高正陽;吉碩;呂少昆;趙航;楊朋飛;孟欣欣;廖永進(jìn);;燃盡風(fēng)對鍋爐燃燒及脫硝經(jīng)濟(jì)性的影響[J];熱力發(fā)電;2015年09期

3 杜之正;;基于BP神經(jīng)網(wǎng)絡(luò)電除塵效率模型研究[J];東北電力技術(shù);2014年09期

4 鄭國強(qiáng);;電除塵器提效節(jié)能方法研究與應(yīng)用[J];電力科技與環(huán)保;2013年04期

5 李欣海;;隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J];應(yīng)用昆蟲學(xué)報(bào);2013年04期

6 陳沫;周元龍;;基于效率的電除塵電源節(jié)能改造分析及應(yīng)用[J];中國電力;2008年09期

7 史運(yùn)濤;孫德輝;李正熙;李志軍;年四成;高東杰;;電廠濕法煙氣脫硫過程優(yōu)化控制研究[J];系統(tǒng)仿真學(xué)報(bào);2007年22期

8 段海濱,王道波,朱家強(qiáng),黃向華;蟻群算法理論及應(yīng)用研究的進(jìn)展[J];控制與決策;2004年12期

9 楊維,李歧強(qiáng);粒子群優(yōu)化算法綜述[J];中國工程科學(xué);2004年05期

10 方強(qiáng),陳德釗,俞歡軍,吳曉華;基于優(yōu)進(jìn)策略的差分進(jìn)化算法及其化工應(yīng)用[J];化工學(xué)報(bào);2004年04期

本文編號：2794492