热能动力工程

作者：冯齐全，乔宗良，司风琪

单位：东南大学 能源热转换及过程测控教育部重点实验室，江苏 南京 210096,,东南大学 能源热转换及过程测控教育部重点实验室，江苏 南京 210096,,东南大学 能源热转换及过程测控教育部重点实验室，江苏 南京 210096,

关键词：脱硫;GMM;LSSVR;分段模型;SO2

采用燃煤机组脱硫系统原始非高斯数据建立的单一出口SO2质量浓度预测模型精度较低，泛化能力较差，针对该问题提出一种基于高斯混合模型-支持向量回归（Gaussian Mixture Model-Least Squares Support Vector Regression，GMM-LSSVR）的建模方法。采用高斯混合模型（GMM）将训练集数据聚类为多个高斯数据集，对每个对应的子集建立独立的最小二乘支持向量回归机（LSSVR）训练模型。在此基础上，估计测试集数据属于每个种群的概率并对测试集进行聚类，将每个子集输入到对应的LSSVR模型中完成预测。现场数据实验表明：采用GMM聚类后每个子集的概率密度不规则波动幅度减小，数据高斯性增强；GMM-LSSVR建模方法测试集均方根误差（RMSE）、 平均绝对误差（MAE）和可决定系数（R2）较单模型LSSVR方法有较大改善，具有更好的预测精度和泛化性能。

来源：2023年第10期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2023年第10期