火電廠鍋爐生產(chǎn)過程具有強(qiáng)非線性、強(qiáng)噪聲等特點,這些特點導(dǎo)致過熱蒸汽溫度難以準(zhǔn)確建模。針對這一問題,提出一種鍋爐過熱蒸汽溫度數(shù)據(jù)解析建模方法。首先采用分類回歸樹（Classification and Regression Tree, CART）算法計算得到相關(guān)變量重要性,選擇重要性大于0.5的變量作為數(shù)據(jù)驅(qū)動建模的輸入。然后采用粒子群優(yōu)化（ParticleSwarm Optimization,PSO）算法優(yōu)化最小二乘支持向量機(jī)（LeastSquaresSupportVectorMachine,LSSVM）的參數(shù),建立過熱蒸汽溫度的預(yù)測模型。最后基于實際生產(chǎn)數(shù)據(jù)的實驗結(jié)果表明,所提出的建模方法取得比常用建模算法具有更好的預(yù)測精度,能夠?qū)崿F(xiàn)對鍋爐過熱蒸汽溫度的準(zhǔn)確預(yù)測。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 過熱蒸汽生產(chǎn)過程
3 過熱蒸汽溫度建模
    3.1 數(shù)據(jù)描述
    3.2 數(shù)據(jù)預(yù)處理
    3.3 模型輸入選擇
    3.4 基于PSO-LSSVM的過熱蒸汽溫度建模
4 實驗結(jié)果與分析
    4.1 實驗設(shè)計
    4.2 評價標(biāo)準(zhǔn)
    4.3 參數(shù)選取
    4.4 實驗結(jié)果分析
        4.4.1 特征選擇策略效果分析
        4.4.2 預(yù)測結(jié)果分析
5 結(jié)論



本文編號：3668334