基于偏互信息的变量选择方法及其在火电厂SCR系统建模中的应用

发布时间：2018-02-02 15:08

本文关键词： 偏互信息变量选择支持向量机烟气脱硝数据建模　出处：《中国电机工程学报》2016年09期 　论文类型：期刊论文

【摘要】：数据驱动模型被广泛应用于工业过程中,最优变量集的选取对模型性能非常重要。针对工业过程中建模对象普遍具有的强非线性以及变量间的相关和耦合特性,采用偏互信息方法(partial mutual information,PMI)进行变量选择。利用benchmark验证了PMI方法的有效性并将其应用于火电厂SCR烟气脱硝系统。将选取的最优变量集作为支持向量机(support vector machine,SVM)的输入,建立了PMI-SVM模型。此外,将PMI方法与人工神经网络方法(artificial neural network,ANN)结合,构成PMI-ANN模型。将两种PMI模型与原始的SVM和ANN模型进行对比,结果表明PMI方法降低了模型的复杂度,提高了模型的学习和泛化能力。
[Abstract]:Data-driven model is widely used in industrial process. The selection of optimal variable set is very important to the performance of the model. Partial mutual information is adopted by partial mutual information method. The effectiveness of the PMI method is verified by benchmark and applied to the flue gas denitrification system of thermal power plant SCR. The optimal variable set is used as the support vector machine (2). Support vector machine. In addition, artificial neural network is combined with PMI method. Comparing the two PMI models with the original SVM and ANN models, the results show that the PMI method reduces the complexity of the model. The learning and generalization ability of the model is improved.
【作者单位】：新能源电力系统国家重点实验室(华北电力大学);
【基金】：国家重点基础研究发展计划(973计划)资助(2012CB215203) 北京高等学校青年英才计划项目(YEPT0705) 中央高校基本科研业务费专项资金资助(2015XS69)~~
【分类号】：TM621
【正文快照】： (2015XS69).benchmark验证了PMI方法的有效性并将其应用于火电厂SCR烟气脱硝系统。将选取的最优变量集作为支持向量机(support vector machine,SVM)的输入,建立了PMI-SVM模型。此外,将PMI方法与人工神经网络方法(artificial neuralnetwork,ANN)结合,构成PMI-ANN模型。将两种PM

【相似文献】