基于互信息PSO-LSSVM的SO2浓度预测

• 作者: 金秀章 李京
• 来源期刊: 计量学报
• 关键词: 计量学 SO2浓度预测 互信息 粒子群寻优 最小二乘支持向量机 最小冗余最大相关性
• 年，卷（期）: 2021,（5）
• 页码范围: 675-680
• 页数: 6页
• 分类号: TB99
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.05.20

摘要

针对火电厂SO2污染物排放问题,提出了一种基于互信息的粒子群寻优(PSO)最小二乘支持向量机(LSSVM)模型预测方法,通过筛选出与SO2实测入口浓度相关性较高的辅助变量,将其作为模型的输入,实现对主导变量SO2浓度的预测.利用互信息筛选出的辅助变量相比于机理分析、皮尔逊相关性筛选出的辅助变量具有更高的相关性.利用互信息筛选出的辅助变量作为LSSVM模型的输入以及粒子群法确定LSSVM的参数,不仅缩短了计算时间,还提高了预测精度.将该方法应用到某火电厂的SO2浓度软测量中,利用现场数据进行仿真,结果表明预测精度较高,相对误差较低,预测趋势更贴近实际值,减小了实际值与预测值的误差(均方根误差为2.485,平均相对误差为0.2603％),为现场的SO2浓度提前控制提供了软件技术支持.