典型文献
基于改进差分极端学习机的燃煤锅炉NOx预测
文献摘要：
低NOx燃烧优化是一种简单、高效、廉价的燃煤电站NOx减排方法.建立NOx预测模型是该方法的重要组成部分.极端学习机(extreme learning machine,ELM)是一种简单有效的建模方法,但随机生成的输入权值和隐层阈值会影响ELM的泛化性能和逼近能力.针对该问题,利用一种改进的差分进化算法(improved differential evolution,IDE)优化ELM输入权值和隐层阚值,得到了改进的NOx预测模型(improved differential evolution-extreme learning machine,IDE-ELM),该模型可以有效克服参数寻优过程中的早熟问题.利用IDE-ELM模型预测了某300 MW的NOx排放量,并与标准ELM和DE-ELM预测结果进行对比.为消除启发式算法随机性的影响,每个实验独立重复101次.实验结果表明,IDE-ELM模型有效提升了ELM算法的泛化能力和稳定性.
文献关键词：
差分进化算法;极端学习机;NOx排放;预测模型
中图分类号：
作者姓名：
李庆伟;申志文
作者机构：
上海电力大学能源与机械工程学院,上海201306
文献出处：
引用格式：
[1]李庆伟;申志文-.基于改进差分极端学习机的燃煤锅炉NOx预测)[J].热科学与技术,2022(01):98-104
A类：
B类：
极端学习机,燃煤锅炉,NOx,燃烧优化,廉价,燃煤电站,减排方法,extreme,learning,machine,ELM,权值,泛化性能,逼近能力,差分进化算法,improved,differential,evolution,IDE,参数寻优,早熟,MW,启发式算法,随机性,泛化能力
AB值：
0.310175
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。
