基于支持向量机的煤灰结渣特性判别.pdfVIP

洁 净 艨 燃 烧 与 发 技 术 基矛支持向量机的煤灰结渣特性判别 薛贵生，丁维明，程力 (东南大学能源与环境学院，江苏 南京 21009) 摘要：在研究燃煤煤灰成分与其结渣特性之间关系的基础上，提出了基于支持 向量机算法 的煤灰结渣特性判别模型。该模型将煤灰成分作为输入量，煤灰结渣特性作为输出量，并用离子 群优化算法对支持向量机参数进行优化。最后用实测数据对模型进行校验，结果表明，基于支持 向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法。支持 向量机判别速度快，准确率高，有利于提高动力配煤经济性以及锅炉运行安全性。 关键词：支持向量机；粒子群优化；煤灰结渣特性判别；动力配煤 Abstract：Aftercarefulstudy ofthe co-relations between coalash compositionsand slag characteristics，amodelbasedonSVM (SupposingVectorMachine)forboilerslagcharacteristics evaluationisproposed．Thecompositionsoftheashesareemployedasinputvariableswhiletheslag characteristicsareemployedasoutputvariables．AndthePSO (ParticleSwarmOptimization)isused tooptimizetheparametersoftheSVM mode1．Th en，themodelisvalidatedbyrealdata，ofwhich theresultsshow thattheSVM basedevaluationmodelhashigheraccuracythanotheralgorithms implemented before．SVM based evaluation modelis good ofr improve the economicsofcoal blendingandsafetyofboileroperationduetoitsspeedandaccuracy． KeywOrds：supponingvectormachine；partic1eswarm optimization；slagcharacteristic；evaluation coal blending 中图分类号：TK16 文献标志码：A 文章编号：1001—5523(2008)06—0013—03 动力配煤技术作为实现煤炭高效洁净燃烧的重 支持向量机算法是继神经网络之后，由Vapnik 要技术环节，是发展我国洁净煤技术的有效途径之 等人于20世纪9O年代基于VC维和结构风险最小原 一 。 煤灰结渣特性判别问题作为在优化动力配煤中 理而提出来的一种新的机器学习算法。它较好地解 的主要指标之一，对于动力配煤优化具有指导意义。 决了小样本学习，非线性 ，高维数 ，局部极小点等神 另一方面，锅炉受热面的结渣直接影响锅炉运行的 经网络存在的问题，在模式识别、回归分析、特征提 安全性和经济性，但是由于结渣过程是一个极为复 取等诸多方面得到了应用。 杂的物理化学过程，因而很难对煤灰的结渣特性做 1 煤灰结渣特性的支持向量机模型 出准确的判断。 5 针对这一问题，研究人员已经提出了很多结渣 影响煤灰结渣特性的主要因素是煤灰中的各种 特性判别方法，如模糊综合评判 、粗集评判 、神经网 氧化物的含量，~ISiO2、Fe2o3、CaO、M