基于mRMR和MA-RELM的火电厂出口SO2质量浓度预测

作者：金秀章; 刘岳; 赵文杰; 于静

来源：动力工程学报, 2022, 42(07): 664-676.

DOI：10.19805/j.cnki.jcspe.2022.07.010

• RELM
• 蜉蝣算法
• 最大相关最小冗余
• 预测模型

提出一种基于最大相关最小冗余(mRMR)算法和蜉蝣算法优化正则化极限学习机(MA-RELM)的出口SO2质量浓度预测模型。通过机理分析确定初始输入变量，利用改进的时延分析方法对初始输入变量进行时延补偿，采用mRMR算法对各个初始输入变量进行重要性排序，搭建正则化极限学习机(RELM)预测模型，并利用蜉蝣算法确定模型参数。结果表明：与最小二乘支持向量机(LSSVM)、长短期记忆网络(LSTM)和极限学习机(ELM)相比，RELM预测模型的均方根误差分别降低了36%、38%和26%;与粒子群算法(PSO)和灰狼算法(GWO)寻优后的模型相比，MA-RELM预测模型误差最低，该模型能够对出口SO2质量浓度进行准确预测。

• 单位
  华北电力大学