基于QPSO优化模糊-SVM的电站锅炉燃煤结渣特性预测

• 作者: 任林 王东风
• 来源期刊: 山东电力技术
• 学科: 工学
• 关键词: 结渣特性 模糊-SVM 量子粒子群算法 隶属度函数
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 发电技术
• 页码范围: 38-43,60
• 页数: 7页
• 分类号: TK227.2
• 字数: 4499字
• 语种: 中文

摘要

选取电站锅炉结渣的7个影响因素作为燃煤结渣特性的判断指标.将5种模糊隶属度函数与支持向量机结合,构成模糊—支持向量机(Support Vector Machine,SVM)模型,并采用量子粒子群算法分别优化隶属度函数的参数,以实际电站锅炉结渣数据作为训练样本对优化后的模型进行训练,并对给定的10组测试样本进行预测.实验结果表明,量子粒子群算法优化后的模型预测准确率显著提高.将5个优化后的模糊-SVM模型组成专家诊断系统,采取投票机制确定燃煤结渣程度,此方法的预测准确度更高,可信度更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王东风		170	3490	34.0	51.0
2	任林		3	5	1.0	2.0