论文部分内容阅读
针对传统燃煤锅炉NOx生成预测方法存在的预测精度低、计算复杂、泛化能力差等问题,基于某电站燃煤锅炉热态运行数据样本,分别采用RBF神经网络和支持向量机(SVM)对某燃煤锅炉NOx生成特性进行建模,在RBF神经网络模型中采用交替梯度算法对其权值及函数中心与标准偏差值进行优化;而对SVM预测模型,通过网格寻优方法对核函数及参数c和g进行选优。仿真结果表明,改进后的RBF模型和参数选优后的SVM模型的最大误差和平均误差都有了明显的降低,且计算时间快、泛化能力强。通过对两种模型的仿真和预测结果进行量化对比分