基于机器学习的飞灰含碳量预测模型比较研究

锅炉飞灰含碳量是衡量锅炉燃烧效率的重要指标之一,基于机器学习构建了一套能够准确预测飞灰含碳的模型。首先,借助随机森林算法解决了飞灰含碳实测值与其他输入特征频率不一致的问题;其次,采用基于随机森林的递归特征消除方法,从30个原始输入特征中提取出9个输入特征,在降低模型计算量的同时提高了预测准确度;最后,以某电厂330 MW机组锅炉实际运行数据,建立了线性回归、决策树、KNN、随机森林、Catboost、XGBoost 6个机器学习模型对飞灰含碳量进行预测。预测结果发现:决策树、KNN、随机森林和XGBoost模型预测效果较好,均方误差分别为0.010、0.009、0.006和0.006,线性回归模型表现最差;构建的预测模型在锅炉低、中、高负荷下均保持稳定。

一种探管式储粮害虫诱捕在线监测装置的设计研究

为实现对粮仓粮堆内害虫发生的早期监测,本研究基于探管式诱捕器和红外光电传感器研发了一种经济有效、可实时在线监测害虫发生的装置;基于该装置建立了9种主要储粮害虫成虫红外光电序列数据集;通过方差分析和数据可视化方法验证了其数据分布特性与害虫进入诱捕段的位置无关;对红外光电序列建立了高斯核支持向量机模型,通过实验室的测试,对蛀蚀性和粉食性两大害虫类别的判别达到了加权平均分类准确率87.7%、召回率87.5%和F1值87.6%。