论文部分内容阅读
针对选择性催化还原(selective catalytic reduction，SCR)脱硝系统中输入变量的多尺度特性及时变特性问题，将核偏最小二乘与多核学习相结合，同时引入自适应模型更新策略，提出了自适应多尺度核偏最小二乘(self-adaptive multi-scale KPLS，SMKPLS)方法。通过优化算法确定每个自变量对应的核函数宽度，然后利用多尺度核偏最小二乘方法建立非线性模型，采用自适应模型更新方法对模型进行更新。将该方法应用于SCR脱硝系统建模，并与其他建模方法进行对比，结果表明，SMKPLS 预测精度明显高于其他模型，计算时间远小于其他模型，具有更好的泛化能力及鲁棒性。