基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

为了能够更好地反映电厂湿法脱硫中的过程参数与脱硫效率之间的关系,本文利用偏最小二乘回归法(PLS)对影响烟气湿法脱硫效率的过程因素进行分析,提取出对湿法脱硫效率影响较大的因素作为主成分,将提取的主成分采用支持向量机(SVM)进行预测,降低了SVM的输入维数,建立了基于偏最小二乘支持向量机(PLS-SVM)的烟气湿法脱硫效率预测模型,并选取某机组石灰石-石膏湿法脱硫设施运行监控数据进行模型的训练和预测。预测分析结果显示,PLS-SVM的预测数据最大绝对误差小于0.65%,平均绝对误差在0.3%左右,说明该模型的预测效果较好,与SVM预测模型相比,提高了预测效率和精度。

基于熵值法的污染源区域排污量评价模型研究

文章采用熵值法客观赋权的方式，以省或市辖区内的不同行政区域为待评行政区域，以待评行政区域内污染源企业日常排放的主要污染物为评价指标，设计了一个基于熵值法的污染源区域排污量评价模型。应用该模型对2014年某市辖区内各行政区域的6种主要污染物排放量进行评价分析，得出各行政区域的排污排名，该市将排名靠前的行政区域视为2015年重点减排区域进行严格的区域减排治理，取得了较好的治理效果。该模型为该市实现主要污染物总量减排目标提供有力的技术支持。

基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型

为了更好地分析燃煤电厂脱硝效率与相关影响因素之间的非线性关系,引入双支持向量机(TWSVM)作为分类预测框架,利用粒子群算法(PSO)对TWSVM的惩罚因子和核参数进行寻优,进而构建了针对选择性催化还原(SCR)烟气脱硝效率预测的PSO-TWSVM模型。通过提取某电厂工况监控系统近期数据,结合三倍标准差检验法与归一化法对数据进行预处理,并选取训练集与测试集。仿真结果表明:SCR烟气脱硝效率预测PSO-TWSVM模型最大相对误差小于±0.6%,平均相对误差保持在±0.3%以下,证明该模型的准确性高;对比支持向量机(SVM)模型发现,PSO-TWSVM模型既提高了预测精度,也节省了计算时间。