基于遗传算法优化参数的支持向量机燃煤发热量预测

利用支持向量回归机(SVR)和遗传算法(GA)对煤的低位发热量建模,采用遗传算法对支持向量机预测模型的各项参数进行寻优,为减少所选参数对训练样本的依赖性,引入交叉验证的思想,以推广能力最好的一组参数作为最终参数。将优化参数代入SVR模型,得到基于遗传算法的支持向量回归机(GA-SVR)模型。通过对电厂入炉煤的试验数据进行分析,并且与常规SVR模型和BP神经网络模型(BP-ANN)进行对比,以验证该模型的可靠性和精确性。结果表明,该方法可准确地预测燃煤发热量。