网络首发时间:2018-10-25 17:06:33

节点文献

基于随机森林变量选择的飞灰含碳量预测模型

免费订阅

【作者】 王芳马素霞王河

【机构】 太原理工大学电气与动力工程学院国电电力发展股份有限公司大同第二发电厂

【摘要】 针对目前几种飞灰含碳量软测量方法建模时未进行输入特征筛选以及建模方法较为单一的问题,提出花授粉算法优化随机森林的变量选择飞灰含碳量(FPA-RF)预测模型。采用影响飞灰含碳量的因素构成初始变量,利用基于随机森林的变量选择方法从中筛选最优变量。以最优变量为模型输入,训练随机森林并通过花授粉算法优化其参数。以某600 MW燃煤机组的分布式控制系统(DCS)数据为例,对本文FPA-RF预测模型和基于人工神经网络(ANN)和粒子群-支持向量机(PSO-SVM)的飞灰含碳量预测模型进行比较验证,结果表明:ANN预测模型的预测误差最大,泛化能力较弱;FPA-RF和PSO-SVM预测模型均取得较好的效果;但PSO-SVM预测模型平均训练时间为55 s,较FPA-RF长约30 s,说明本文FPA-RF预测模型具有更高的预测精度和更快的计算速度。

【基金】 山西省煤基重点项目(MD2014-07)
  • 【DOI】10.19666/j.rlfd.201803085
  • 【分类号】X701
  • 【下载频次】51

中国知网独家网络首发,未经许可,禁止转载、摘编。"

节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: