摘要：针对使用大规模数据对电站锅炉氮氧化物(NOx)排放进行建模时,建模时间长、计算复杂度高的问题,提出一种基于核极限学习机(K-ELM)和高斯混合模型(GMM)的NOx排放建模方法。通过GMM对模型输入样本进行聚类,进行均衡化处理,利用K-ELM对NOx排放进行建模,通过网格搜索和交叉验证获得模型的最优参数,应用模型对锅炉真实运行数据进行预测分析。实验结果表明,与使用同等数据量进行K-ELM建模相比,GMM-K-ELM进一步提高了模型的泛化能力。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社