典型文献
基于MAPSO优化LSSVM的锅炉燃烧建模研究
文献摘要：
针对锅炉燃烧系统智能算法建模,为克服标准粒子群(PSO)优化算法对最小二乘支持向量机(LSSVM)模型参数进行优化时容易陷于局部最优解的缺点,提出一种改进型的蚂蚁?粒子群算法(MAPSO)对LSSVM模型参数进行优化.根据模式搜索的"探测"思想,通过与蚁群算法移动规则的结合改进粒子群算法,增加粒子群算法的小步长局部搜索过程,让每一步迭代所得的最优粒子在其邻域内进行小步长的局部精细搜索,以便找到更好的全局最优解.MAPSO算法的先验性预判断组合共有8种,通过对比先验性粒子各个方向的适应度,保证粒子群在最优粒子邻域内向正确的方向进行小步长局部搜索.研究结果表明:本文提出的改进型MAPSO算法有效保留了标准PSO优化算法的全局寻优性能,并增强了算法的局部寻优性能.MAPSO算法在建立锅炉燃烧系统模型过程中能有效避免陷入局部极小,寻找到全局最优解.所建立的MAPSO-LSSVM模型与标准PSO-LSSVM模型相比,具有更快的收敛速度,更高的预测精度,更强的拟合能力和泛化能力.
文献关键词：
电站锅炉;锅炉效率;NOx排放;改进型粒子群算法;最小二乘支持向量机
中图分类号：
作者姓名：
蓝茂蔚;李杨;赵国钦;周元祥;江政纬;甘云华
作者机构：
华南理工大学电力学院,广东广州,510640;西安热工研究院有限公司,陕西西安,710054;广东粤电靖海发电有限公司,广东揭阳,515223
文献出处：
引用格式：
[1]蓝茂蔚;李杨;赵国钦;周元祥;江政纬;甘云华-.基于MAPSO优化LSSVM的锅炉燃烧建模研究)[J].中南大学学报（自然科学版）,2022(04):1506-1515
A类：
MAPSO
B类：
LSSVM,燃烧建模,建模研究,锅炉燃烧系统,智能算法,准粒子,最小二乘支持向量机,陷于,局部最优解,蚂蚁,模式搜索,蚁群算法,改进粒子群算法,小步,步长,长局,局部搜索,最优粒子,邻域,全局最优解,先验性,合共,适应度,内向,全局寻优,寻优性能,系统模型,局部极小,收敛速度,泛化能力,电站锅炉,锅炉效率,NOx,改进型粒子群算法
AB值：
0.274158
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
