燃煤锅炉结渣会降低锅炉效率,也会对威胁电站的安全生产。因此,通过研究锅炉燃煤燃烧特性,了解锅炉结渣特点来建立准确有效的锅炉结渣预测模型,确保燃煤电站锅炉高效、安全地运行具有重要的工程价值。本文的前面章节介绍了关于锅炉结渣的研究现状以及本次建模所需的理论基础。通过对燃煤煤种和锅炉结构分析,选取了软化温度t、硅比G、酸碱比B/A、硅铝比S_iO₂/Al₂O₃、综合指数R、无因次炉膛实际切圆直径d_si/D以及无因次炉膛最高温度t_w 7个指标作为模型的输入。分别利用三角形隶属度函数、梯形隶属度函数、半圆形隶属度函数、柯西隶属度函数和斜线形隶属度函数,对输入指标模糊化,将模糊化的结果作为支持向量机（Support Vector Machine,SVM）的输入建立了各隶属度函数的模糊-支持向量机锅炉燃煤结渣预测模型。为了优化各隶属度函数参数,提出一种改进量子粒子群算法,该算法在传统量子粒子群算法的基础上融入了多邻域局部搜索策略,增强了原始算法的搜索精度,并建立了改进量子粒子群算法优化隶属度函数的模糊支持向量机锅炉燃煤结渣预测模型。采用40组锅炉样本,其中30组作为训练样本,10组作为测试样本进行建模,实验结果验证了利用隶属度函数与支持向量机结合建立的模糊-SVM方法的有效性,通过实验对比也表明基于改进量子粒子群优化算法优化的模糊支持向量机模型具有更好的预测精度,可以用作电站燃煤锅炉结渣预测方法。