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。