论文部分内容阅读
针对某超超临界660 MW机组锅炉,建立了基于随机森林（RF）和梯度提升决策树（GBDT）算法的氮氧化物（NO_x）排放预测模型。从电厂SIS系统筛选得到历史运行数据中的稳态工况点,利用RF模型对数据特征进行筛选,并以选中特征作为输入变量建立基于GBDT的NO_x排放预测模型。与支持向量机（SVM）、RF等模型的对比表明基于RF的特征选择能提升模型性能;较于其他模型,RF-GBDT具有最高的NO_x排放预测精度。