在我国的发电体系之中,火力发电几乎一直占据着半壁江山,于此同时由火力发电产生的巨大环境污染问题也与日俱增。面对如今日益严格的绿色发展要求,通过在锅炉外部增设可控高温预热解装置的方式对传统燃烧组织方式进行优化,实现超低氮燃烧。本文构建的WIPM-LSSVM模型可在更换煤种和工况发生变化的时候,对可控高温预热解装置出口处的还原产物CH4、H2和CO等进行有效的预测。对在可控高温预热解装置中,实现控制煤粉流态化自维持预热燃烧,实现对燃料氮定向转化和还原产物精准调控,实现H2、烃类等高还原活性热解组份的定向转化,实现配制含有不同活性还原组份的热解气,从而获得最佳的还原性气体产物组分有着重要的意义。有利于预热解系统本身的分离器精确控制技术实现对通入锅炉不同燃烧区域还原产物比例的有效控制;可实现将锅炉出口处的NOx浓度稳定控制在50mg/Nm~3以下。本文是以40MW等级的可控高温预热解试验平台的实验装置为研究对象,使用算法来对可控高温预热解装置出口处的还原产物的实验数据进行预测,为后续实现高效降低NOx提供依据和保障。首先,查阅相关文献,并结合算法建模的基本思想,确定出本文由数据去噪到数据异常值处理,再到对数据进行重要变量提取并降重,最后再用算法进行预测建模的思路。并根据实验数据的特点确定各个阶段所用到的算法模型。其次,为了去除不良数据点可能会对后期建模造成的不利影响,尝试了在Matlab中使用小波阈值去噪,并研究了不同小波、不同分解层数和不同小波阶数对去噪的影响,确定了使用sym6小波去噪并结合了通过孤立森立算法计算各个数据点的得分的方法来去除不良数据的方案,为实现有效预测还原产物奠定了基础。然后,为了降低输入数据的维度讨论了用偏最小二乘法来计算输入变量的重要性指标和对输入数据的累计贡献率。为了保证建模的预测精度,尝试了对传统的灰狼算法进行多策略改进;并用改进后的灰狼算法对最小二乘支持向量机的惩罚参数c和核参数σ进行寻优,以提高算法的泛化能力和学习能力。最后,结合上面对参数的寻优,使用多策略改进后的灰狼算法对最小二乘支持向量机算法进行优化,并与其它预测算法通过对神华煤的H2含量进行预测来对比它们的特性,随后又尝试了使用WIPM-LSSVM模型对神华煤热解出来的另外两种还原产物CH4和CO的进行预测,并在此基础上为了探寻WIPM-LSSVM模型对不同煤种产生的还原产物的预测能力,又对神混煤热解出来的CH4、H2和CO等还原产物进行预测。实现了WIPM-LSSVM模型对多种工况下的还原产物的预测,为装置通过分离器精准分离技术实现还原NOx提供支撑。