计量学报

作者：金秀章,李阳峰,姚宁

单位：华北电力大学控制与计算机工程学院,河北 保定 071003

关键词：计量学;SO2浓度预测;变分模态分解;原子搜索算法;极限学习机;模糊推理

基金：国家重点研发计划(2016YFB0600701)

为提高火电厂SO2污染物排放控制水平,提出一种基于变分模态分解(VMD)改进原子搜索算法(IASO)极限学习机(ELM)的吸收塔出口SO2浓度组合预测模型。首先,利用机理和相关性分析确定吸收塔出口SO2浓度的初始相关变量,并采用VMD算法对其分解,保留分解结果与输出互信息中大的低频分量;然后,采用结构简单、学习速度快的ELM建立预测模型,并利用基于混合策略改进的IASO优化网络参数,提高预测精度;最后,利用模糊规则推理出误差修正项以校正ELM模型预测结果。应用历史数据仿真建模,结果表明该模型具有较高的预测精度和学习能力,能够准确跟踪吸收塔出口SO2浓度变化趋势。

来源：2023年第4期

《计量学报》期刊编辑部

查看计量学报杂志2023年第4期