基于MIC和MPA-KELM的脱硫出口SO2浓度预测

建立脱硫出口SO₂浓度预测模型是实现脱硫系统经济运行的基础。针对这一问题,提出了基于最大信息系数(MIC)的变量选择方法和基于海洋捕食算法(MPA)优化核极限学习机(KELM)的脱硫出口SO₂浓度预测模型。首先,采用机理分析法筛选影响出口SO₂浓度的变量,提出循环浆液综合流量表达方法,便于描述浆液循环泵组合的影响特性;在此基础上,通过基于最大信息系数的变量选择算法确定模型输入变量;运用MPA对KELM的正则系数C和核参数S进行寻优,建立MPA-KELM的出口SO₂浓度预测模型;最后,利用电厂运行数据进行仿真实验。实验结果表明,所建立出口SO₂浓度预测模型的均方误差、平均绝对百分比误差分别为1.236 66 mg/m³和4.987 6%,预测精度高,能够为脱硫系统出口SO₂的现场优化控制提供技术支持。