基于KPCA-LS-SVM的工业锅炉烟气含氧量预测

作者：许巧玲; 林伟豪; 赵超; 黄云云

来源：计算机与应用化学, 2012, (07): 834-838.

DOI：10.16866/j.com.app.chem2012.07.016

• 工业锅炉
• 烟气含氧量
• 软测量
• 核主成分分析
• 最小二乘支持向量机 industrial boiler
• flue gas oxygen content
• soft-sensing
• kernel principal component analysis
• the least square support vector machine

排烟含氧量是评价燃烧过程好坏和锅炉优化运行的重要指标,也是调节最佳风煤比的主要依据。针对工业锅炉氧量计使用受限的问题,提出一种混合的软测量方法:。为了提高烟气含氧量的软测量预测精度,本文分析与烟气含氧量有关的锅炉运行变量,从中确定8个,并采用核主成分析法进行参数处理,整合冗余,降低维数。经处理后得到的6个主成分,其累计贡献率达95.522%,以此作为最小二乘支持向量机软测量模型的输入。在此基础上,通过划分网格来改进交叉实验法,进而优化最小二乘支持向量机的2个参数。经优化得到的误差参数γ和径向基核函数参数σ~2分别为90.3和239.6,模型具有较高的训练精度。最后对某循环流化床锅炉进行建模仿真...

• 出版日期2012
• 单位福州大学