基于互信息变量选择的热工过程数据建模

发布时间：2021-09-21 23:38

　　近些年,随着电厂信息化水平的不断提高,基于历史数据驱动的热工过程数据建模逐渐成为研究热点之一。该方法有效克服了机理建模精度不足和试验建模工作量大的缺陷。锅炉燃烧系统的NOx生成是一个典型的热工过程,影响NOx生成量的因素较多,且变量相互之间耦合严重。针对电站锅炉燃烧系统,通过互信息方法分析出影响NOx生成量的相关变量,并利用适当的数据建模方法实现NOx生成量的准确预测,是有效降低NOx排放量的重要一环。因此,本文将以NOx生成过程为研究对象引出一种适用于全体热工过程的变量选择算法进而提高变量选择算法的实际应用效果,并在此基础上建立动态预估模型。本文首先论述了热工过程数据建模的研究背景,然后以锅炉燃烧系统NOx生成过程为研究对象,详尽介绍了变量选择与NOx数据建模的意义和现状;第二章由变量选择方法的基本框架进行展开,依据子集产生方式和评价标准的不同重点介绍了目前常用的变量选择方法以及各个方法的优缺点,为下章变量选择算法的提出进行了理论铺垫;第三章创新性的提出了一种基于动态数据的互信息变量选择方法,该方法基于k近邻互信息和阶次互信息的相关理论进行相关性度量,并利用条件互信息和前向搜索策略保... 

【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

Filter型变量选择框架

图 2-3 Filter 型变量选择框架r 型er 型，Wrapper 型方法结合模型性能每次选择若干或者剔除若干模方法当做一个黑箱模型，将搜索过程搜索出的变量送给该黑。根据评估的结果对变量子集进行筛选，以期搜索到一个对建集，如图 2-4 所示。该方法利用模型的性能评价对变量的重要且如果模型发生变化其所偏好的变量也会不同，由于变量选择准确的模型，因此可以直接利用模型的性能对变量进行筛选，子集。例如，梁龙等[51]用模型交叉验证分类正确率评估子集优具有极强分类性能的支持向量分类机。Wrapper 方法直接结合学择，虽然获得了较好性能的分类模型，但是拖累了运算效率，数据时效率低下，时间开销大。此外，由于过分依赖模型，会性较差，容易发生过拟合现象。

图 2-5 Embedded 型变量选择框架ter 型与 Wrapper 有各自优缺点，对二者进行有效结和 Wrapper 型效率低下的问题。基于这种思想，。该方法将变量选择过程分为两个阶段进行完成，，即将大部分无关或噪声变量加以剔除，使变量量选择过程的时间开支；第二阶段，利用 Wrappe学习方法进一步筛选余下的变量集合，以便使变量框架如图 2-6 所示。混合型变量选择算法受到越来伟卫等[55]针对过滤型变量选择算法模型分类准确的变量选择算法，该算法先利用互信息进行无关变筛选出了重要性程度比较高的变量。文献[56]针对式变量选择方法，该方法先利用 Taguchi 提出的变后通过后向删除策略进一步剔除不相关和冗余变量

【参考文献】：
期刊论文
[1]基于ReliefF和蚁群算法的特征基因选择方法[J]. 吴辰文,李晨阳,郭叔瑾,闫光辉.  计算机应用研究. 2018(09)
[2]一种面向不平衡数据的半监督特征选择算法[J]. 杜利敏,徐扬.  河南理工大学学报(自然科学版). 2017(05)
[3]一种新的有监督特征选择方法[J]. 戴建国.  陕西理工大学学报(自然科学版). 2017(04)
[4]基于互信息的辅助变量筛选及在火电厂NOx软测量模型中的应用[J]. 马平,李珍,梁薇.  科学技术与工程. 2017(22)
[5]基于互信息和随机森林的混合变量选择算法[J]. 赵伟卫,李艳颖,赵风芹,魏洒洒.  吉林大学学报(理学版). 2017(04)
[6]基于特征相关的谱特征选择算法[J]. 胡敏杰,林耀进,杨红和,郑荔平,傅为.  智能系统学报. 2017(04)
[7]基于高维k-近邻互信息的特征选择方法[J]. 周红标,乔俊飞.  智能系统学报. 2017(05)
[8]基于最近最远邻和互信息的特征选择方法[J]. 吴雨,刘媛华.  计算机应用研究. 2017(12)
[9]基于密度峰值的无监督特征选择算法[J]. 谢娟英,屈亚楠,王明钊.  南京大学学报(自然科学). 2016(04)
[10]基于多支持向量机综合的电力系统暂态稳定评估[J]. 戴远航,陈磊,张玮灵,闵勇,李文锋.  中国电机工程学报. 2016(05)

博士论文
[1]网络空间图像标注中半监督稀疏特征选择算法研究[D]. 史彩娟.北京交通大学 2015

硕士论文
[1]互信息多元时间序列相关分析与变量选择[D]. 刘晓欣.大连理工大学 2013



本文编号：3402718