基于支持向量機的煙氣成分建模研究.pdf

1、鍋爐燃燒產生的煙氣成分直接體現(xiàn)了鍋爐的燃燒工況，是鍋爐的優(yōu)化運行和經(jīng)濟燃燒的重要指標之一，因此有必要對煙氣成分進行分析。
　　 支持向量機(Support vector machine，SVM)是基于統(tǒng)計學理論上的一種新機器學習的方法。SVM較好地解決了小樣本、高維數(shù)等實際問題，現(xiàn)已廣泛的應用于回歸估計及模式識別等問題中，SVM的這些優(yōu)點為基于數(shù)據(jù)的煙氣成份分析研究提供了理論基礎和研究思路。
　　 本文采用SVM理論構建

2、一種基于數(shù)據(jù)的非線性系統(tǒng)模型，基于此模型，對難以在線測量的煙氣成分進行建模。首先針對最小二乘支持向量機(LS-SVM)缺失稀疏性的問題，提出了一種稀疏性LS-SVM，使LS-SVM重新獲得了稀疏性解，提升了算法的速度，也為對象復雜和大數(shù)據(jù)量的煙氣成分建模提供了一種數(shù)據(jù)預處理方面的新方法；其次研究了支持向量、中心距離比、增量學習及邊界樣本間的關系，提出了一種處理不均衡數(shù)據(jù)的LS-SVM方法，該算法有效的提高了LS-SVM對不均衡數(shù)據(jù)分類的