《表3 典型脱硫系统预测+工艺参数优化算法细节》
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。
图表编号 | XD00137341300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 曹建宗、林宸雨、陈文通、刘琦、周权、要亚坤、樊帅军、马彩妮、马双忱 |
绘制单位 | 深能保定发电有限公司、华北电力大学环境科学与工程系、深能保定发电有限公司、华北电力大学环境科学与工程系、华北电力大学环境科学与工程系、深能保定发电有限公司、华北电力大学环境科学与工程系、华北电力大学环境科学与工程系、华北电力大学环境科学与工程系 |
更多格式 | 高清、无水印(增值服务) |