烟气含氧量是影响火电厂锅炉运行安全性和经济性的一个重要因素,影响锅炉烟气含氧量的因素多而复杂,对烟气含氧量特性进行建模与控制是实现锅炉正常运行的基础。借助现场运行数据,根据锅炉烟气含氧量的特性,建立基于最小二乘支持向量机(LSSVM)的锅炉烟气含氧量预测模型。在此基础上结合全局寻优的混合粒子群算法(PSO),对锅炉烟气含氧量进行控制。仿真结果表明:该方法能够比较准确地对火电厂锅炉烟气含氧量进行测量和控制,为锅炉燃烧系统的闭环控制与优化运行提供了新的手段。
2022-05-18 17:09:04
1.09MB
1
1.两种优化算法
GA优化LSSVM参数 PSO优化LSSVM参数
2.多输入单输出回归预测模型
3.结果丰富
有适应度曲线 预测结果图 误差图
2022-03-27 21:14:28
135KB
LSSVM做回归希望对大家有用-源程序以及数据.rar
源代码
%% ==============清除代码窗口和工作空间===============
clc;
clear;
%% ==================下载数据=======================
load surdata1.mat;
load surdata2.mat;
load wearvol.mat;
load workcondition.mat;
%% ==================训练数据========================
% 数据预处理
xx=surdata1';
yy=surdata2';
zz=wearvol;
ww=workcondition;
% 训练数据提取
X=ww;
X=xx;
Y=yy;
%% =====================测试数据=====================
Xt=ww;
Xt=xx;
%% =====================模型初始化=====================
type = 'function estimation';
kernel = 'RBF_kernel';
gam = 100; % Regularization parameter
sig2 = 0.01; % Kernel parameter (bandwidth in the case of the 'RBF_kernel'
% 寻优之后的参数
% gam = 0.0869335 ; % Regularization parameter
% sig2 = 83.8678 ; % Kernel parameter (bandwidth in the case of the 'RBF_kernel'
%% =====================参数寻优======================
model = initlssvm; % 模型初始化
costfun = 'crossvalidatelssvm';
costfun_args = {10,'mse'};
optfun = 'gridsearch';
model = tunelssvm; % 模型参数优化
%% ======================测试数据=======================
model = trainlssvm; % 训练
Yp = simlssvm;
%% ======================结果显示========================
figure;
plot,Yp,'ro:')
hold on
plot,Yp,'b*:')
hold on
plot,Yp,'k :')
grid on;
源程序以及数据.rar
2022-02-28 11:41:33
14KB
1
【预测模型】基于粒子群算法优化最小二乘支持向量机lssvm实现预测附matlab源码2
2022-02-17 16:15:13
1003KB
1
论文研究-基于GMDH-PSO-LSSVM的国际碳市场价格预测.pdf,
针对国际碳市场价格预测LSSVM建模输入节点和模型参数难以确定的问题, 建立了基于数据分组处理方法(GMDH)-粒子群算法(PSO)-最小二乘支持向量机(LSSVM)的国际碳市场价格预测模型. 首先利用GMDH算法获得LSSVM建模中的输入变量; 其次应用PSO算法对LSSVM建模中的参数进行优化, 进而使用训练好的LSSVM模型对测试样本进行预测; 最后采用该模型对欧盟排放交易体系(EU ETS)两个不同到期时间的碳期货价格(DEC 10和DEC 12)进行实证分析, 取得了令人满意的效果.
2022-02-11 02:52:09
793KB
1