基于遗传算法优化参数的支持向量机燃煤发热量预测

• 作者: 屈天章 朱锋 江文豪 韦红旗
• 来源期刊: 热力发电
• 学科: 工学
• 关键词: 支持向量回归机 遗传算法 神经网络 煤 低位发热量 预测
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 热能基础研究
• 页码范围: 14-19
• 分类号: TK16|TK212
• 字数: 4148字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2011.03.014

摘要

利用支持向量回归机(SVR)和遗传算法(GA)对煤的低位发热量建模,采用遗传算法对支持向量机预测模型的各项参数进行寻优,为减少所选参数对训练样本的依赖性,引入交叉验证的思想,以推广能力最好的一组参数作为最终参数.将优化参数代入 SVR 模型,得到基于遗传算法的支持向量回归机(GA-SVR)模型.通过对电厂入炉煤的试验数据进行分析,并且与常规 SVR 模型和 BP 神经网络模型(BP-ANN)进行对比,以验证该模型的可靠性和精确性.结果表明,该方法可准确地预测燃煤发热量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江文豪	东南大学能源与环境学院	7	63	4.0	7.0
2	韦红旗	东南大学能源与环境学院	63	526	13.0	21.0
3	屈天章	东南大学能源与环境学院	2	38	1.0	2.0
4	朱锋	东南大学能源与环境学院	1	37	1.0	1.0