基于稀疏最小二乘支持向量机的锅炉燃烧优化研究

被引:1
作者
乔侨
吕剑虹
机构
[1] 东南大学能源与环境学院
关键词
燃烧优化; 最小二乘支持向量机; 剪枝算法;
D O I
暂无
中图分类号
TM621.2 [锅炉及燃烧系统]; TP18 [人工智能理论];
学科分类号
080802 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
在国内火电厂开始全面要求实施超低排放的背景下,根据某电厂锅炉燃烧调整试验所获取的数据,利用最小二乘支持向量机对该电厂的锅炉燃烧效率和NOx排放量进行建模,并利用剪枝算法对模型进行稀疏化处理。结果表明稀疏最小二乘支持向量机可以在满足一定的精度要求下适当降低锅炉燃烧模型的复杂度,为以后的模型增量学习提供了有效手段。
引用
收藏
页码:9 / 10+13 +13
页数:3
相关论文
共 6 条
[1]   电站锅炉效率在线计算模型的比较与分析 [J].
江文豪 ;
韦红旗 .
发电设备, 2011, 25 (02) :73-76
[2]   电站锅炉燃烧优化技术研究发展综述 [J].
周建新 ;
樊征兵 ;
司风琪 ;
徐治皋 .
锅炉技术, 2008, (05) :33-36+42
[3]   基于遗传算法和支持向量机的低NOx燃烧优化 [J].
王春林 ;
周昊 ;
李国能 ;
凌忠钱 ;
岑可法 .
中国电机工程学报, 2007, (11) :40-44
[4]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[5]  
Development of artificial neural network model for a coal-fired boiler using real plant data[J] . Energy . 2008 (2)
[6]   A tutorial on support vector regression [J].
Smola, AJ ;
Schölkopf, B .
STATISTICS AND COMPUTING, 2004, 14 (03) :199-222