《表3 LASSO选择后输入数据》

  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

《考虑时延特征的燃煤锅炉NO_x排放深度学习建模》

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

经过机理分析之后，可以得到与NOx排放量相关的变量。但是由于各个锅炉的运行状态、健康状态等因素的影响，机理分析得到的变量可能存在冗余变量。而冗余的变量可能导致模型计算量的增加，效率的降低，因此结合锅炉实际生产数据对机理分析得到的相关变量进行降维，舍掉相关性小的变量。LASSO法是一种通过最小化残差平方和来消除冗余变量的方法，在实际应用中具有使用方便，可解释性强的优点，因此。选用LASSO算法将之前1.2节选取的49个量与NOx排放量进行相关性分析，筛选后得到12个变量。经由LASSO筛选过的变量如表3所示。