科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对在动态过程中NO_x生成量静态软测量模型预测精度降低和时间异步的问题,提出采用LSSVM动态软测量模型,应用k-近邻互信息法进行辅助变量迟延时间的确定,并利用遗传算法和k-近邻互信息法进行辅助变量阶次的选择,采用涵盖自变量迟延和阶次信息的新输入变量集构造最小二乘支持向量机(LSSVM)动态软测量模型,分别提出了基于k-近邻互信息法和遗传算法的LSSVM动态软测量模型,最后将2种LSSVM动态软测量模型与静态软测量模型对NO_x生成量的预测效果进行对比。结果表明:与静态软测量模型相比,LSSVM动态软测量模型预测精度更高,并具有一定的超前预测功能。
- 单位
