论文部分内容阅读
为了准确地预测循环流化床锅炉NO_x排放量，以某热电厂循环流化床锅炉燃烧数据为样本，提出了基于支持向量机（SVM）的循环流化床锅炉NO_x排放特性GSA—SVM模型。由于SVM精度及泛化能力依赖于参数选择，故将万有引力搜索算法（GSA）运用到模型参数寻优过程中，利用不同工况下的样本数据检验了模型的预测性能，并将该模型分别与BP神经网络、粒子群（PSO）和遗传算法（GA）优化的SVM模型进行比较，仿真实验证明GSA—SVM模型具有很好的辨识能力及良好的泛化能力。