基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种基于改进引力优化算法(IGSA)优化最小二乘支持向量机(LSSVM)的软测量模型(IGSA-LSSVM)以精确测量煤粉锅炉NOx排放量.首先,针对引力搜索算法易陷入局部最小、全局优化能力差的问题,提出了一种改进的引力搜索算法,利用网格算法初始化种群,基于适应度值自适应递减惯性权重更新质点位置以提高全局优化性能;然后,采用IGSA优化选择LSSVM的超参数以改善模型的预测精度和泛化能力;最后,以330 MW燃煤锅炉为研究对象,建立IGSA-LSSVM的NOx软测量模型,仿真结果表明该软测量模型具有更高的预测精度和泛化能力,能有效测量NOx排放量.
推荐文章
基于生成机理的燃煤电站锅炉NOx排放量神经网络模型
热能动力工程
燃煤电站
锅炉
氮氧化物
人工神经网络
变负荷工况下NOx排放量预测控制
煤燃烧
优化
氮氧化物
差分算法
最小二乘支持向量机
模型预测控制
基于多模型聚类集成的锅炉烟气NOx排放量预测模型
多模型
聚类集成
GA-SFCM
LS-SVM
有监督模糊聚类
NOx排放量
改进PSO优化参数的LSSVM燃煤锅炉NOx排放预测
燃煤锅炉
最小二乘支持向量机
改进粒子群算法
NOx排放浓度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 IGSA-LSSVM软测量模型预测燃煤锅炉NOx排放量
来源期刊 计量学报 学科 工学
关键词 计量学 氮氧化物排放量 引力优化算法 最小二乘支持向量机 软测量 燃煤锅炉
年,卷(期) 2018,(3) 所属期刊栏目
研究方向 页码范围 414-419
页数 6页 分类号 TB99
字数 4294字 语种 中文
DOI 10.3969/j.issn.1000-1158.2018.03.26
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 牛培峰 燕山大学工业计算机控制工程河北省重点实验室 64 595 13.0 21.0
2 刘超 22 39 3.0 5.0
3 丁知平 清远职业技术学院信息技术与创意设计学院 24 91 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (48)
共引文献  (14)
参考文献  (11)
节点文献
引证文献  (8)
同被引文献  (61)
二级引证文献  (2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(5)
  • 参考文献(2)
  • 二级参考文献(3)
2015(6)
  • 参考文献(3)
  • 二级参考文献(3)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(5)
  • 引证文献(5)
  • 二级引证文献(0)
2020(5)
  • 引证文献(3)
  • 二级引证文献(2)
研究主题发展历程
节点文献
计量学
氮氧化物排放量
引力优化算法
最小二乘支持向量机
软测量
燃煤锅炉
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计量学报
月刊
1000-1158
11-1864/TB
大16开
北京1413信箱
2-798
1980
chi
出版文献量(篇)
3549
总下载数(次)
8
总被引数(次)
20173
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导