论文部分内容阅读
高斯过程一种具有概率意义的核学习机,在不损失性能的条件下,与其它核方法相比,有着其容易实现的优点。针对火电厂热力参数失效、优化运行的问题,提出了基于稀疏高斯过程的软仪表,它基于Bayes 在线学习算法,通过构造序列的相关子样本来给出高斯过程的预测输出。通过利用参数化和再生核Hilbert 空间范数的投影技巧,可以得到优化后的参数和后验过程的稀疏高斯逼近。建立这样的热力参数软仪表对于电厂的经济性监测和优化运行有着重大意义。