摘要：为了准确建立汽轮机热耗率预测模型,提出了一种基于变空间Logistic混沌粒子群算法（CPSO）优化最小二乘支持向量机（LSSVM）的汽轮机热耗率软测量模型。采用变空间Logistic混沌搜索策略和粒子镜像越界处理策略来改善粒子群算法（PSO）的全局优化性能,提出了CPSO优化最小二乘支持向量机的超参数以改善模型预测精度,并以某600 MW汽轮机组为研究对象,利用该机组的运行数据建立CPSO-LSSVM的热耗率预测模型。结果表明：CPSO-LSSVM模型具有更高的预测精度和更强的泛化能力,能够准确有效地预测热电厂的汽轮机热耗率。
分类：期刊> 自然科学与工程技术> 工程科技II> 动力工程
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 哥白尼索引(波兰) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：热耗率 粒子群算法 最小二乘支持向量机 混沌搜索 软测量模型
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
