基于ADQPSO-SVR的锅炉飞灰含碳量预测研究

作者：彭道刚; 李丹阳; 顾立群; 赵慧荣

来源：计算机仿真, 2020, 37(03): 72-77.

• 锅炉飞灰含碳量
• 学习参数选择
• 自适应扰动量子粒子群
• 支持向量回归

针对锅炉飞灰含碳量的预测问题,提出了自适应扰动量子粒子群优化的支持向量回归机方法(ADQPSO-SVR),即在量子粒子群优化算法(QPSO)的基础上加入自适应扰动,克服了支持向量回归机(SVR)经验选择学习参数的弊端。用此改进算法对SVR的学习参数进行寻优,经过实例研究表明,ADQPSO算法的寻优能力较强,利用ADQPSO算法得到的SVR模型有较高的预测精度,同时与GA-BP算法和GA-RBF算法相比,ADQPSO-SVR能够提高锅炉飞灰含碳量预测的准确性及稳定性。

• 单位
  上海电力大学; 宝山钢铁股份有限公司