基于改进Adaboost算法的SCR脱硝系统多模型集成建模

燃煤机组选择性催化还原法(SCR)脱硝系统是复杂的多变量非线性时变系统,且运行工况多变,单一模型难以准确描述系统的多工况运行特性,因此,基于改进自适应提升算法(Adaptive Boosting,Adaboost),提出一种多模型集成建模方法。首先对Adaboost集成算法的损失函数进行优化,引入正则化因子和先验知识参数以提高模型的精确度;然后基于SCR脱硝系统的多工况运行数据,采用改进的Adaboost算法自动调整运行数据的权重,形成多个样本子集;在每个样本子集空间上,通过支持向量机(Support Vector Machine,SVM)建立SCR脱硝系统局部模型,并采用智能算法对局部模型的参数进行优化;最后基于改进的Adaboost算法集成得到SCR脱硝系统集成模型。仿真结果表明,与传统的Adaboost算法相比,改进的Adaboost算法集成的预测模型有效提高了模型预测精度,同时避免了单一模型由于样本分布的不均匀性而导致的模型工况适应性差等问题,提高了模型的复杂工况适应性能。

Multi-model Integrated Modeling for SCR Denitration System by Improved Adaboost Algorithm