典型文献
基于mRMR和MA-RELM的火电厂出口SO2质量浓度预测
文献摘要：
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.
文献关键词：
RELM;蜉蝣算法;最大相关最小冗余;预测模型
中图分类号：
作者姓名：
金秀章;刘岳;赵文杰;于静
作者机构：
华北电力大学控制与计算机工程学院,河北保定071003
文献出处：
引用格式：
[1]金秀章;刘岳;赵文杰;于静-.基于mRMR和MA-RELM的火电厂出口SO2质量浓度预测)[J].动力工程学报,2022(07):664-670,676
A类：
B类：
mRMR,MA,RELM,火电厂,SO2,浓度预测,最大相关最小冗余,蜉蝣算法,算法优化,正则化极限学习机,机理分析,时延分析,时延补偿,重要性排序,定模,最小二乘支持向量机,LSSVM,长短期记忆网络,粒子群算法,PSO,灰狼算法,GWO,模型误差,准确预测
AB值：
0.273316
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。
