支持向量机算法在电厂中的应用  

Application Research of Power Plant Based on Support Vector Machine Algorithm

作　　者：潘秉超[1] 王文欢[1] 潘卫国[1] 何明福[1] 

机构地区：[1]上海电力学院能源与机械工程学院,上海200090

出　　处：《上海电力学院学报》2013年第1期5-8,共4页Journal of Shanghai University of Electric Power

基　　金：上海市教育委员会重点学科(J51304)

摘　　要：支持向量机(SVM)是基于结构风险最小化原理的机器学习技术,在解决小样本、非线性和高维的机器学习问题中表现出许多特有的优势,适用于函数预测、模式识别和数据分类领域.该算法在火电厂运行优化、清洁生产、故障诊断等方面均有应用,参数预测精度能够满足工程应用,为火电厂的节能优化和故障诊断提供一个新的研究方向.Support Vector Machine （SVM） is a machine learning technique demonstrating many peculiar advantages in solving machine learning problems of small sample, nonlinear and high di- mensional. It is applicable to the field of function prediction, pattern recognition and data classifica- tion. The algorithm is applied to operation optimization, clean production, and fault diagnosis in ther- mal power plant, and its parameter prediction accuracy can satisfy the engineering applications, and thns provides a new research direction for the thermal power plant operation optimization and fault diagnosis.

关 键 词：火电厂 支持向量机 软测量 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP274.4[自动化与计算机技术—控制科学与工程]