【摘要】： 生物質(zhì)氣化過程的最終目標(biāo)就是盡可能得到更多的高品質(zhì)可燃氣體,而目前的生物質(zhì)氣化過程還存在許多尚待解決的問題,例如氣化溫度、氣化劑當(dāng)量比、氣化效率、燃氣熱值等參數(shù)優(yōu)化問題。為此本文建立了生物質(zhì)(竹子)氣化過程的支持向量機模型用于預(yù)測生物質(zhì)氣化氣組分、氣體熱值及氣體產(chǎn)率等氣化指標(biāo)。在模型基礎(chǔ)上,采用MOPSO(多目標(biāo)粒子群)算法尋找氣化過程最優(yōu)控制參數(shù):當(dāng)量比ER和氣化溫度T,使得氣體熱值和氣體產(chǎn)率兩個主要氣化指標(biāo)折中并在一定程度上都趨近于最大化。通過生物質(zhì)竹子為例的計算驗證,得到了滿意的結(jié)果。最后本文驗證了MOPSO算法所得最優(yōu)控制參數(shù)要優(yōu)于加權(quán)法所得結(jié)果,證明了MOPSO算法在生物質(zhì)氣化過程優(yōu)化中的可行性和有效性,為今后用于其它生物質(zhì)氣化過程復(fù)雜工況下的參數(shù)優(yōu)化研究提供了參考。
【圖文】：

圖中，實心點和空心點代表兩類樣本，，H 為離分類線最近的樣本且平行于分類線的直線，它們之a(chǎn)rgin)。所謂最優(yōu)分類線就是要求分類線不但能將兩類而且使分類間隔最大。雖然圖中虛線也能將兩類樣本。分類線方程為 w x+b=0。我們可以對它進行歸一( x,y),i= 1,2,,n,x∈R,y∈{+1, 1}dii，滿足bin)≥1,=1,2,,

圖 3-2 LS-SVM 模型內(nèi)部結(jié)構(gòu)示意圖可見，LS-SVM 算法將二次規(guī)劃問題轉(zhuǎn)變?yōu)橐辉镜暮撕瘮?shù)映射關(guān)系及全局最優(yōu)等特性。一個調(diào)整參數(shù)(僅有兩個參數(shù)，調(diào)整參數(shù) C優(yōu)化變量，因而與標(biāo)準(zhǔn)的 SVM 相比簡化了計程組取代標(biāo)準(zhǔn)支持向量機中的二次規(guī)劃優(yōu)向量機仍是基于多類核的機器學(xué)習(xí)，即采用中抽取特征，將原始空間中的樣本映射為高空間中線性不可分的問題。最小二乘支持向是支持向量機在二次損失函數(shù)下的一種形式，其求解速度快，在函數(shù)估計和逼近的應(yīng)用
【學(xué)位授予單位】：華北電力大學(xué)（河北）
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：TK6

【參考文獻】

相關(guān)期刊論文 前10條

1 楊延西,劉丁;基于小波變換和最小二乘支持向量機的短期電力負荷預(yù)測[J];電網(wǎng)技術(shù);2005年13期

2 秦育紅,馮杰,李文英,謝克昌;生物質(zhì)氣化影響因素分析[J];節(jié)能技術(shù);2004年04期

3 蔡冬松;靖繼鵬;;基于最小二乘支持向量機的數(shù)據(jù)挖掘應(yīng)用研究[J];情報科學(xué);2005年12期

4 李亞偉;陳守煜;聶相田;王春華;;新老混凝土粘結(jié)強度SVR模擬預(yù)測研究[J];水電能源科學(xué);2005年06期

5 葉美盈,汪曉東,張浩然;基于在線最小二乘支持向量機回歸的混沌時間序列預(yù)測[J];物理學(xué)報;2005年06期

6 謝軍;吳創(chuàng)之;陳平;陰秀麗;趙增立;王磊;;中型流化床中的生物質(zhì)氣化實驗研究[J];太陽能學(xué)報;2007年01期

7 陳平;陰秀麗;周肇秋;吳創(chuàng)之;陳勇;;MW級生物質(zhì)氣化發(fā)電站運行特性分析[J];太陽能學(xué)報;2007年04期

8 熊偉麗;徐保國;;基于PSO的SVR參數(shù)優(yōu)化選擇方法研究[J];系統(tǒng)仿真學(xué)報;2006年09期

9 榮海娜;張葛祥;金煒東;;系統(tǒng)辨識中支持向量機核函數(shù)及其參數(shù)的研究[J];系統(tǒng)仿真學(xué)報;2006年11期

10 蔣受寶;蔣紹堅;張燦;;生物質(zhì)氣化計算平衡模型[J];中南林學(xué)院學(xué)報;2006年02期

本文編號：2617196