基于多LS-SVM集成模型的锅炉NOx排放量建模

为了提高电站锅炉氮氧化物（NOx）排放量预测模型的精度,提出了一种基于多最小二乘支持向量机（LS-SVM）集成模型的NOx排放量建模方法。首先按照NOx排放量由低到高将数据空间初步划分为低、中、高3个子空间,然后依据输入变量与NOx相关性分析来确定输入变量的权重,通过筛选得到主要的特征变量。在此基础之上,采用有监督的遗传算法-软模糊聚类（GA-SFCM）方法,获得各数据子空间的聚类中心及其相应的样本隶属度,通过融合隶属度的最小二乘法对各子空间LS-SVM模型进行集成。仿真结果表明,通过筛选参与聚类的变量提高了聚类性能和模型精度,采用有监督的GA-SFCM算法进行聚类,降低了聚类复杂度,建立的多LS-SVM集成模型比单一LS-SVM模型有更好的泛化能力。