| 基于GMM-LSSVR模型的脱硫出口SO2浓度预测方法研究 |
| |
| 引用本文： | 冯齐全,乔宗良,司风琪.基于GMM-LSSVR模型的脱硫出口SO2浓度预测方法研究[J].热能动力工程,2023,38(10):79-85. |
| |
| 作者姓名： | 冯齐全 乔宗良 司风琪 |
| |
| 作者单位： | 东南大学 能源热转换及过程测控教育部重点实验室，江苏 南京 210096 |
| |
| 摘 要： | 采用燃煤机组脱硫系统原始非高斯数据建立的单一出口SO2质量浓度预测模型精度较低，泛化能力较差，针对该问题提出一种基于高斯混合模型-支持向量回归(Gaussian Mixture Model-Least Squares Support Vector Regression, GMM-LSSVR)的建模方法。采用高斯混合模型(GMM)将训练集数据聚类为多个高斯数据集，对每个对应的子集建立独立的最小二乘支持向量回归机(LSSVR)训练模型。在此基础上，估计测试集数据属于每个种群的概率并对测试集进行聚类，将每个子集输入到对应的LSSVR模型中完成预测。现场数据实验表明：采用GMM聚类后每个子集的概率密度不规则波动幅度减小，数据高斯性增强；GMM-LSSVR建模方法测试集均方根误差(RMSE)、平均绝对误差(MAE)和可决定系数(R2)较单模型LSSVR方法有较大改善，具有更好的预测精度和泛化性能。
|
| 关 键 词： | 脱硫 GMM LSSVR 分段模型 SO2 |
Study on SO2 concentration prediction method at desulfurization outlet based on GMM-LSSVR subsection model |
| |
| FENG Qi-quan,QIAO Zong-liang,SI Feng-qi.Study on SO2 concentration prediction method at desulfurization outlet based on GMM-LSSVR subsection model[J].Journal of Engineering for Thermal Energy and Power,2023,38(10):79-85. |
| |
| Authors: | FENG Qi-quan QIAO Zong-liang SI Feng-qi |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《热能动力工程》浏览原始摘要信息 |
|
点击此处可从《热能动力工程》下载全文 |
