基于支持向量机的锅炉煤质预测模型

《基于支持向量机的锅炉煤质预测模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第36卷第】0期毒氧电力Vo】．36No．10EastChirilElectricPower0ct．2oo82008年1O月基于支持向量机的锅炉煤质预测模型范诚豪，韦红旗(东南大学能源与环境学院，江苏南京210096)摘要：通过基于统计学习理论的支持向量机建模和机理性的分析及推导，给出了2种不同的电厂锅炉煤质预测模型，并结合现场试验数据，给出2种方法不同的预测结果及评价。验证了支持向量机建模对于火力发电厂煤质监测具有较高的应用价值。关键词：支持向量机；煤质预测；元素分析作者简介：范诚豪(1982-)，男，硕士研究生，主要从事电站

2、锅炉运行优化研究。中图分类号：rK224文献标识码：B文章编号：1001-9529(2008)10-0123-05BoDercoalpropertypredictionmodelsbasedonsupportvectormachineFANCheng—hao，WEI舶一(SchoolofEner~andEnvironment，SoutheastUniv．，Nanjing210096，China)Abstract：Throughthestatisticallearningtheorybasedsupportvectormachin

3、e(SVM)modelingandmechanismanal-ysis，twodiferentboilercoalpropertypredictionmodelsaregiven．Basedonthatandbyusingfieldtestdata，twodiferentpredictionresdtsandrelevantevaluationsarepresentedwhichprovetheSVMmodelingapplicableforcoalpropertymonitoringinfossil-firedpowerpla

4、nts．Keywords：supportvectormachine(SVM)；coalpropertyprediction；elementanalysis电站锅炉人炉煤质对于机组的经济和安全运解决如何更好地求取最小经验风险(训练误差最行有着重要影响，煤质的好坏直接关系到炉内的小)，但是实践证明，一味地追求训练误差最小并着火与燃烧、各种受热面的积灰积渣、受热面的金不能得到最好的泛化能力，有些情况下，训练误差属磨损、尾部烟气污染物的排放等。对于人炉煤太小反而会导致泛化能力下降，这在神经网络学质的准确有效监测具有重要意义，但是目前多数

5、习中表现的尤为突出(即过学习问题)。导致出电厂对日常煤质的监测还仅限于工业分析，同时现该问题的一个根本原因就是传统统计学是一个煤质全元素分析的成本也比较高。渐进理论，它的许多结论都是在样本数目趋于无针对此问题，本文提出采用两种预测方法，即穷大的条件下得出的，而在小样本条件下，以传统基于实际锅炉运行数据的支持向量机预测和基于渐进统计学为理论基础的经验风险最小化原则并部分烟气信息、工业分析的机理性推导。由于支不能很好地实现由贝叶斯决策理论导出的期望风持向量机是在研究小样本机器学习规律的理论基险最小化原则。础上发展起来的，通过结构风险

6、最小化原理来提为了解决传统渐进统计学应用在小样本训练高泛化能力，较好地解决了小样本、非线性、高维学习中的不足，Vapnik的统计学习理论指出，在数、局部极小点等问题。而锅炉尾部烟气中则含小样本条件下，只有同时控制经验风险和学习机有大量煤质的信息，分析进入和流出锅炉的元素容量，才能获得良好的泛化能力。的物质平衡，通过机理性的分析，结合工业分析的支持向量机(SVM)是统计学习理论的一种数据来求解煤质各元素成份。通用学习方法，其基本思想：首先选择一个非线性变换西(·)把n维输入，和一维输出样本向量1支持向量机的原理及算法(1，Y1)，

7、(2，Y2)，⋯，(，Y)，⋯，(J，Y1)经验风险最小化原则一直是解决统计机器学∈R“，，，f∈R，i=1，⋯，Z习问题的基本思想，在此思想的指导下，人们主要从原空间映射到高维Hilbert空间，并在此空姜电力2008，36(1O)间构造最优线性回归函数0≤a，。≤旱，i=1，2，⋯，f(9)l厂()=∞·()+b(1)同时利用了结构风险最小化原则，引入了间隔得到最优解；和核函数的概念，巧妙地利用原空间的核函数取代(4)构造决策函数高维Hilbert空间的内积运算，避免了复杂计算。)=∑(一O—Li)(，)+5(10)对于支持

8、向量机原始优化问题，引入松弛变其中5按下列方法计算：选择位于开区间(0，导)量=(。，。，⋯，刍，，)和惩罚参数C得到推广后的最优化问题中的或，若选到的是，min"∈⋯。÷lI+c·÷∑(。+(2)．6E￡一i=1=yi一∑(‘一)(·)+占(11)约束条件：若