科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]为了解决经典迭代剪切稀疏化算法在飞灰含碳量软测量模型应用中计算量过大问题,提出了一种基于样本分布特征的LS-SVM稀疏化算法。[方法]算法在计算样本特征空间距离基础上,融合密度和离散度构建全局代表性指标,并按此指标对原始样本集进行排序和剪切,完成稀疏化。为验证算法性能将提出的算法应用到某1 000 MW火电机组飞灰含碳量软测量模型,训练样本集取自机组现场试验数据。[结果]结果表明:本算法能在适当牺牲误差性能的情况下大大消减样本容量,显著降低飞灰含碳量LS-SVM软测量模型训练及在线预测计算量。[结论]所提LS-SVM稀疏化算法在保证误差值降低0.01%的情况下,将样本空间从90个缩小到30个,既减小了计算规模,又保证了计算精度。所提算法可在PLC等计算性能受限的工业控制器中实现飞灰含碳量在线软测量功能,并可推广至发电厂其他参数软测量系统。
- 单位
