典型文献
带有深度学习的多特征选择组合算法燃气轮机参数建模
文献摘要：
联合循环机组的燃气轮机燃烧是复杂的物理、化学过程,NOx排放浓度作为燃气轮机运行的一个状态参数耦合其他多参数,导致构建的预测模型精度低.依据深度学习理论,提出了一种基于深度置信网络非线性组合多特征选择(multi-feature selection nonlinear combined deep belief network,MFNDBN)方法以实现NOx浓度的准确预测.首先,对原始数据进行基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)异常值检测与Savitzky-Golay滤波方法的数据清洗.然后,结合偏互信息、决策树、LASSO特征选择算法分别构造基于深度置信网络的NOx预测模型.最后,将3种特征选择方法的预测模型进行非线性组合得到最终的预测模型.基于验证数据的实验结果表明,所提方法能够对燃气轮机NOx排放浓度进行准确的预测.
文献关键词：
数据驱动;NOx排放;滤波;特征组合;算法;模型;预测
中图分类号：
作者姓名：
张宝凯
作者机构：
中国大唐集团科学技术研究总院有限公司华东电力试验研究院,合肥 230031
文献出处：
引用格式：
[1]张宝凯-.带有深度学习的多特征选择组合算法燃气轮机参数建模)[J].燃气轮机技术,2022(01):35-41
A类：
MFNDBN
B类：
有深度,多特征选择,组合算法,燃气轮机,参数建模,联合循环机组,化学过程,NOx,排放浓度,机运,状态参数,参数耦合,多参数,预测模型精度,深度学习理论,深度置信网络,线性组合,multi,feature,selection,nonlinear,combined,deep,belief,network,准确预测,原始数据,基于密度的噪声应用空间聚类,density,spatial,clustering,applications,noise,DBSCAN,异常值检测,Savitzky,Golay,滤波方法,数据清洗,偏互信息,决策树,LASSO,特征选择算法,选择方法,特征组合
AB值：
0.4376
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。
