混合特征选择方法在电厂粉尘浓度监测模型中的应用研究

发布时间：2021-02-15 13:27

　　粉尘,众所周知,既会污染环境,又会威胁人类身体健康。目前,随着我国居民对空气质量要求越来越高,发电装机容量不断增加,国家对电厂排放物的排放指标的要求更高、粉尘控制政策愈加严格,对粉尘浓度的准确测量与监控,保证对燃煤电厂粉尘浓度监测的及时有效,可以使电厂及环保部门及时更好地掌握粉尘浓度状况,对粉尘排放不符合限制的电厂,要求其对做出生产调整,并对生产进行降尘和除尘处理,对提高环境质量和保障人身安全发挥着极其积极重要的作用。随着电力装机容量逐年增大,电厂排放粉尘浓度的控制愈发重要。软测量技术的引入弥补了现有仪器仪表等硬件测量可靠性低、成本高的缺点。采用基于特征选择的智能算法建立粉尘浓度监测模型,对有效预测和监控粉尘排放浓度有重要意义。本文采用一种F-SSFS混合特征选择方法来进行特征选择,在软测量方法基础上建立关于粉尘浓度的预测模型,对这种方法的准确性和泛化能力进行验证。这种混合型特征选择方法,是将费舍尔得分（F-score）和支持顺序前向搜索（SSFS）进行组合,结合了过滤型方法和包装型方法的优点,从原来的特征大集合中选择出最好的特征参数子集。将预测结果与经典的特征选择方法——平均影响值法... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

中国电力装机容量预测趋势图

图 1-2 软测量模型建立流程图方法将待测变量转换为易测变量进行测量，减小了实际测量中的流程图如图 1-2 所示。但粉尘浓度的影响因素不确定性较大，目影响因素停留在理论分析阶段，对粉尘浓度及其影响因素进行定

图2-1支持向量机的体系解构图

【参考文献】：
期刊论文
[1]医疗大数据应用需求分析与平台建设构想[J]. 汪鹏,吴昊,罗阳,王毅琳,王飞.  中国医院管理. 2015(06)
[2]铁路基础设施大数据的应用与发展[J]. 王卫东,徐贵红,刘金朝,张文轩,邢小琴.  中国铁路. 2015(05)
[3]公共交通大数据平台架构研究[J]. 姬倩倩,温浩宇.  电子科技. 2015(02)
[4]大数据、云计算技术对审计的影响研究[J]. 秦荣生.  审计研究. 2014(06)
[5]大数据背景下互联网金融对中小企业融资影响研究[J]. 郑志来.  西南金融. 2014(11)
[6]国内外社交网络（SNS）大数据应用比较研究——以Facebook和腾讯为例[J]. 车凯龙,铁茜.  图书馆学研究. 2014(18)
[7]分布式矿井粉尘浓度在线监控系统[J]. 王雪瑞,李艳玮,李拴保.  计算机测量与控制. 2014(07)
[8]智能电网大数据处理技术现状与挑战[J]. 宋亚奇,周国亮,朱永利.  电网技术. 2013(04)
[9]电信运营商大数据发展策略探讨[J]. 黄勇军,冯明,丁圣勇,樊勇兵.  电信科学. 2013(03)
[10]电信企业大数据分析、应用及管理发展策略[J]. 漆晨曦.  电信科学. 2013(03)

博士论文
[1]火电机组反向建模方法的研究[D]. 靳涛.华北电力大学（北京） 2011
[2]群体智能优化算法及其在生化过程控制中的应用研究[D]. 冯斌.江南大学 2005

硕士论文
[1]激光消光法粉尘浓度在线测量系统的研发[D]. 雷志伟.东南大学 2015
[2]大数据及在当代互联网应用中的研究[D]. 林荣耀.厦门大学 2014
[3]基于SVM的火电厂锅炉飞灰含碳量软测量方法研究[D]. 李琳.华北电力大学 2013
[4]基于代价敏感的特征选择及其在软件缺陷预测中的应用[D]. 陈银娟.南京师范大学 2012
[5]数据仓库与数据挖掘在机组运行数据分析中的应用[D]. 李亚巍.华北电力大学（北京） 2006
[6]在线排烟粉尘浓度检测系统的研究和开发[D]. 穆宁.东南大学 2004



本文编号：3034933