基于贝叶斯优化随机森林回归的燃煤锅炉NOx预测模型
文档名：基于贝叶斯优化随机森林回归的燃煤锅炉NOx预测模型
摘要：根据某超超临界1050MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NOx质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比.为了更好地评价预测模型,以平均绝对百分比误差δMAPE和决定系数R2作为评价指标,将所建立的BO-RF模型与目前常见的基于贝叶斯优化的BP神经网络(BO-BPNN)模型、最小二乘支持向量机(BO-LSSVM)模型进行比较.结果表明:BO-RF模型比GSO-RF模型的预测精度更高,且BO-RF模型的δMAPE为1.478％,R2为0.9162,均优于BO-BPNN模型和BO-LSSVM模型的预测结果,证明BO-RF模型具有更高的预测精度和更优的泛化性能.
作者：孙胡彬 杨建国 金宏伟 屠海彪 周晓亮 赵虹 Author：SUNHubin YANGJianguo JINHongwei TUHaibiao ZHOUXiaoliang ZHAOHong
作者单位：浙江大学能源清洁利用国家重点实验室,杭州310027浙江浙能台州第二发电有限责任公司,浙江台州317109杭州集益科技有限公司,杭州310012
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(7)
分类号：X773
关键词：NOx预测模型随机森林贝叶斯优化
Keywords：NOxpredictionmodelrandomforestBayesianoptimization
机标分类号：TK427TP391S771.8
在线出版日期：2023年8月9日
基金项目：基于贝叶斯优化-随机森林回归的燃煤锅炉NOx预测模型[
期刊论文]动力工程学报--2023, 43(7)孙胡彬杨建国金宏伟屠海彪周晓亮赵虹根据某超超临界1050MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NOx质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比.为了更好...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于贝叶斯优化-随机森林回归的燃煤锅炉NOx预测模型NOx Prediction Model for Coal-fired Boiler Based on Bayesian Optimization-Random Forest Regression
基于贝叶斯优化-随机森林回归的燃煤锅炉NOx预测模型.pdf
页:
[1]