作者:黄昕宇; 张栋良; 李帅位汽轮机热耗率聚类算法模糊支持向量机预测模型间隔统计
摘要:针对现有方法难以准确预测具有复杂非线性特征的汽轮机热耗率问题,本文提出一种改进模糊支持向量机(FSVM)的汽轮机热耗率预测模型。首先采用间隔统计算法计算热耗率数据最佳聚类个数,防止出现聚类数目的不确定性,然后利用模糊C均值聚类(KFCM)算法将热耗率数据划分,生成聚类子样本,将聚类子样本代入经粒子群算法优化的FSVM中,建立基于FSVM 的汽轮机热耗率预测模型。将现场采集的某超超临界660MW机组汽轮机热耗率数据输入模型进行预测,并与传统支持向量机的预测结果进行比较。结果表明,改进的FSVM 方法具有更高的预测精度和更强的泛化能力。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社