2021, 36(5):73.
摘要:
提出一种基于Stacking算法集成模型的NO〖HT5”〗x排放预测方法。考虑不同算法的训练机理和观测角度,将门控循环单元(gated recurrent unit,GRU)、XGBoost(eXtreme gradient boosting)和随机森林(random forest,RF)等多个学习能力强、差异度大的模型进行融合,得到一个具有两层结构的集成模型,通过弹性网(elastic network,EN)克服DCS采集的数据集内存在的共线性和群组效应,然后构造特征变量作为集成模型的输入。以某电厂的历史运行数据进行测试,结果表明Stacking集成模型的预测均方误差为6.945 mg/m3,相比单模型降低了13.350%~52.186%,根据其准确的预测结果可以更好的调整设备运行参数,保证排放的污染物浓度控制在合适的范围内。