基于随机森林的SCR脱硝系统出口NOx浓度预测研究 |
| |
引用本文: | 钱 虹,张超凡,柴婷婷.基于随机森林的SCR脱硝系统出口NOx浓度预测研究[J].热能动力工程,2021,36(3):122. |
| |
作者姓名: | 钱 虹 张超凡 柴婷婷 |
| |
作者单位: | 上海电力大学 自动化工程学院,上海 200090 |
| |
基金项目: | 上海市电站自动化技术重点实验室(13DZ2273800);上海市科委地方能力建设项目(18020500900);上海市自然科学基金(19ZR1420700) |
| |
摘 要: | 基于集成学习中的随机森林(Random forest, RF)算法,利用某燃煤机组SCR脱硝系统历史运行数据,通过计算各特征变量重要性评分选取出最优输入变量集,建立脱硝系统出口NO_x浓度最优的RF预测模型。与常见建模方法进行对比,结果表明:基于RF算法的模型预测精度明显高于BP神经网络和SVM等建模方法,且经最优变量选择后,具有更好的泛化能力和更短的建模时间,能够有效应用于电厂烟气脱硝系统出口NO_x浓度预测中。
|
关 键 词: | 脱硝系统 随机森林 变量选取 预测模型 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《热能动力工程》浏览原始摘要信息 |
|
点击此处可从《热能动力工程》下载全文 |
|