采用改进混沌粒子群算法的锅炉NO_x排放的LSSVM回归建模  

LSSVM Regression Modeling on NO_x Emission of Boilers Using ICPSO

作　　者：刘飞明[1] 张雨飞[1] 

机构地区：[1]东南大学能源与环境学院,江苏南京210096

出　　处：《工业控制计算机》2017年第1期75-76,79,共3页Industrial Control Computer

摘　　要：电站燃煤锅炉是大气NOx污染的主要来源之一,建立良好的NO_x排放模型是降低锅炉NO_x的基础。为了提高对锅炉NO_x排放浓度的预测效果,提出了利用最小二乘支持向量机(Least Squares Support Vector Regression,LSSVM)回归的预测原理和参数选择不确定性进行建模,在粒子群算法中引入混沌优化的随机性和遍历性思想,并对粒子群算法本身的惯性权重进行参数改进,采用混沌粒子群算法(Improved Chaos Particle Swarm Optimization,ICPSO)对模型进行参数寻优。将模型优化效果与其他优化算法进行比较,结果显示通过该混沌粒子群优化算法进行优化建模,具有较好的模型精度和预测效果。This paper proposes that using the regression prediction principle and the uncertainly parameter selection of the LSSVM regression to establish a model.The randomness and ergodicity spirit of chaos optimization is added to the particle swarm optimization,and the inertial weight parameters of PSO are improved,then use the ICPSO to optimize the parameter of the model,after compared with other optimization algorithms.

关 键 词：锅炉 NOX排放 混沌粒子群算法 最小二乘支持向量机 回归 

分 类 号：X773[环境科学与工程—环境工程] TP18[自动化与计算机技术—控制理论与控制工程]