基于贝叶斯优化—随机森林回归的燃煤锅炉NOx预测模型 |
| |
引用本文: | 孙胡彬,杨建国,金宏伟,屠海彪,周晓亮,赵虹.基于贝叶斯优化—随机森林回归的燃煤锅炉NOx预测模型[J].动力工程学报,2023(7):910-916. |
| |
作者姓名: | 孙胡彬 杨建国 金宏伟 屠海彪 周晓亮 赵虹 |
| |
作者单位: | 1. 浙江大学能源清洁利用国家重点实验室;2. 浙江浙能台州第二发电有限责任公司;3. 杭州集益科技有限公司 |
| |
摘 要: | 根据某超超临界1 050 MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NOx质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比。为了更好地评价预测模型,以平均绝对百分比误差δMAPE和决定系数R2作为评价指标,将所建立的BO-RF模型与目前常见的基于贝叶斯优化的BP神经网络(BO-BPNN)模型、最小二乘支持向量机(BO-LSSVM)模型进行比较。结果表明:BO-RF模型比GSO-RF模型的预测精度更高,且BO-RF模型的δMAPE为1.478%,R2为0.916 2,均优于BO-BPNN模型和BO-LSSVM模型的预测结果,证明BO-RF模型具有更高的预测精度和更优的泛化性能。
|
关 键 词: | NOx 预测模型 随机森林 贝叶斯优化 |
|
|