《表3 典型脱硫系统预测+工艺参数优化算法细节》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《现代预测和优化算法在脱硫系统运行中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：LS-SVM为最小二乘支持向量机（Least Squares Support Vector Machines)；AOSVR为精确在线支持向量机（Accurate On-line Support Vector Regression）。

脱硫系统的预测算法实现之后，就为基于预测结果的优化技术在脱硫系统节能降耗中的应用提供了广大空间。表3为近年来典型脱硫系统预测+优化算法，表中展示了不同算法的设计细节和对脱硫系统的优化目标。分析表3可以发现，在预测算法的选择上，除了上节讨论的神经网络算法，以SVM或其改算法为基础的预测算法数量也较大，主要是因为在深度学习技术出现之前，SVM技术具有泛化性好、样本规模较小时效果较好等优点，是主要流行的机器学习算法。此外，还有一些学者选择了基于历史数据聚类的预测思路，可以增加算法的安全性，但只有在历史数据库具有一定规模时，这种算法才能取得较好效果。