基于支持向量回归的飞灰含碳量测量方法

发布时间：2021-03-25 17:45

　　针对飞灰含碳量测量困难的问题,提出了一种基于粒子群算法的支持向量回归预测模型来测量飞灰含碳量。该模型通过粒子群算法支持向量回归的参数优化,解决了支持向量回归模型的精度问题,使模型具有良好的泛化性,并通过实例分析验证了模型的有效性。 

【文章来源】：河南工程学院学报(自然科学版). 2020,32(03)

【文章页数】：5 页

【部分图文】：

基于PSO的SVR

PSO参数选择结果

测试结果

【参考文献】：
期刊论文
[1]基于PSO-BP神经网络的飞灰含碳量测量方法[J]. 李力,陆金桂.  机械与电子. 2019(04)
[2]基于PSO-SVR的飞灰含碳量软测量研究[J]. 贺瑶,方彦军.  自动化与仪表. 2013(04)
[3]一种实用的火电厂飞灰含碳量软测量建模方法[J]. 张贵炜,鲍琳,李奇伟.  自动化与仪器仪表. 2010(06)
[4]支持向量机在锅炉飞灰含碳量软测量中的应用[J]. 刘长良,孙晓娇,刘站营.  电力科学与工程. 2010(01)
[5]火电厂热工参数软测量技术的发展和现状[J]. 韩璞,乔弘,王东风,翟永杰.  仪器仪表学报. 2007(06)
[6]电站锅炉飞灰含碳量的优化控制[J]. 陈敏生,刘定平.  动力工程. 2005(04)
[7]基于BP神经网络的煤粉锅炉飞灰含碳量研究[J]. 赵新木,王承亮,吕俊复,岳光溪.  热能动力工程. 2005(02)
[8]基于神经网络的电站锅炉飞灰含碳量软测量系统[J]. 李智,蔡九菊,郭宏.  节能技术. 2004(04)
[9]基于BP神经网络的电厂锅炉飞灰含碳量预测[J]. 方湘涛,叶念渝.  华中科技大学学报(自然科学版). 2003(12)

博士论文
[1]大型电站锅炉配煤及燃烧优化的支持向量机建模与实验研究[D]. 王春林.浙江大学 2007

硕士论文
[1]基于神经网络的火电厂飞灰含碳量测量[D]. 朱竞东.华北电力大学 2012



本文编号：3100056