排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
锅炉飞灰含碳量是衡量锅炉燃烧效率的重要指标之一,基于机器学习构建了一套能够准确预测飞灰含碳的模型。首先,借助随机森林算法解决了飞灰含碳实测值与其他输入特征频率不一致的问题;其次,采用基于随机森林的递归特征消除方法,从30个原始输入特征中提取出9个输入特征,在降低模型计算量的同时提高了预测准确度;最后,以某电厂330 MW机组锅炉实际运行数据,建立了线性回归、决策树、KNN、随机森林、Catboost、XGBoost 6个机器学习模型对飞灰含碳量进行预测。预测结果发现:决策树、KNN、随机森林和XGBoost模型预测效果较好,均方误差分别为0.010、0.009、0.006和0.006,线性回归模型表现最差;构建的预测模型在锅炉低、中、高负荷下均保持稳定。 相似文献
2.
1