基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

崔仕文; 铁治欣; 丁成富; 赵峰

English

您当前的位置：

首页 >

文章列表页 >

基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

热力发电 2017年第3期

发电技术论坛 | 更新时间：2025-09-28

- 基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型
- Prediction model for flue gas wet desulfurization efficiency based on partial least squares support vector machine
- 作者机构：
  
  1. 浙江理工大学信息学院,浙江,杭州,310018
  2. 聚光科技（杭州）股份有限公司,浙江,杭州,310052
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： X773
- 网络出版：2017-03-27，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
崔仕文, 铁治欣, 丁成富, 等. 基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型[J]. 热力发电, 2017,(3).

CUI Shiwen, TIE Zhixin, DING Chengfu, et al. Prediction model for flue gas wet desulfurization efficiency based on partial least squares support vector machine[J]. Thermal Power Generation, 2017, (3).
崔仕文, 铁治欣, 丁成富, 等. 基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型[J]. 热力发电, 2017,(3). DOI：

CUI Shiwen, TIE Zhixin, DING Chengfu, et al. Prediction model for flue gas wet desulfurization efficiency based on partial least squares support vector machine[J]. Thermal Power Generation, 2017, (3). DOI：

摘要

为了能够更好地反映电厂湿法脱硫中的过程参数与脱硫效率之间的关系，本文利用偏最小二乘回归法（PLS）对影响烟气湿法脱硫效率的过程因素进行分析，提取出对湿法脱硫效率影响较大的因素作为主成分，将提取的主成分采用支持向量机（ SVM）进行预测，降低了 SVM的输入维数，建立了基于偏最小二乘支持向量机（ PLS-SVM）的烟气湿法脱硫效率预测模型，并选取某机组石灰石 -石膏湿法脱硫设施运行监控数据进行模型的训练和预测。预测分析结果显示， PLS-SVM的预测数据最大绝对误差小于 0.65%，平均绝对误差在0.3%左右，说明该模型的预测效果较好，与 SVM预测模型相比，提高了预测效率和精度。

Abstract

关键词

Keywords

references

浏览量

263

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于TS模糊神经网络的湿法脱硫效率预测

基于PCA-SVR的燃煤锅炉NO_x排放预测

基于增强灰狼优化LSTM神经网络的火电机组SCR脱硝反应器建模

基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型

300 MW机组CFB锅炉超低排放两级联合脱硫匹配方式试验