混合生物质的综合燃烧特性预判研究
, PP. 5-8
Keywords: 混合生物质,燃烧特性,遗传算法,交叉验证,支持向量机,cvgasvm模型
Abstract:
利用经交叉验证（cv）方法和遗传算法（ga）优化的支持向量机（svm）分类模型（cvgasvm）对混合生物质的燃烧特性进行类别预判，并提出综合燃烧特性指数的简便计算式。分类模型以工业分析成分为输入量，以试样标签为输出量，以单生物质数据训练模型。基于单生物质工业分析建立了综合燃烧特性指数的简便计算式。研究表明：cvgasvm模型能够对混合生物质的综合燃烧特性作出准确、快速的预判，正确率为100%，耗用时间为4.4s；简便计算式的计算平均绝对误差为1.68。
| [1] | 潘华引．动力配煤优化燃烧特性及非线性预测研究[d]．浙江：浙江大学，2008．
|
| [2] | 常爱英，吴铁军，包鑫，等．基于最小二乘支持向量机的动力配煤着火特性预测模型[j]．煤炭学报，2010，35(8)：13801383．
|
| [3] | 江文豪，韦红旗，屈天章，等．基于遗传算法优化参数的支持向量机燃煤发热量预测[j]．热力发电，2011，40(3)：1419．
|
| [4] | 周臻，刘亮，王艳玲，等．煤粉粒径对燃烧特性影响的试验研究[j]．热力发电，2007(3)：3538．
|
| [5] | 姚洪，罗光前，徐明厚，等．煤和污泥燃烧和气化过程中汞析出行为的研究[j]．中国电机工程学报，2007，27(2)：6468．
|
| [6] | 赵卫东．低阶煤水热改性制浆的微观机理及燃烧特性研究[d]．浙江：浙江大学，2009．
|
| [7] | 衣晓青，张翠珍．糠醛渣与煤混烧特性的热重研究[j]．热力发电，2007(7)：2528．
|
| [8] | 聂其红，孙绍增，李争起，等．褐煤混煤燃烧特性的热重分析法研究[j]．燃料科学与技术，2001，7(1)：7276．
|
| [9] | 王宪红．动力用煤混烧生物质燃烧特性及污染物排放特性研究[d]．山东：山东大学，2010．
|
| [10] | 闵凡飞，张明旭．生物质燃烧模式及燃烧特性的研究[j]．煤炭学报，2005，30(1)：105108．
|
| [11] | 韩萌，丁剑．基于交叉验证的bp算法的改进与实现[j]．计算机工程与设计，2008，29(14)：37383739．
|
| [12] | cherkassyv，yunqianma．practicalselectionofsvmparametersandnoiseestimationforsvmregression[j]．neuralnetworks，2004，17：113126．
|
| [13] | hollandjh．adaptationinnaturalandartificialsystem[d]．annarbor：theuniversityofmichiganpress，1975．
|
| [14] | vapnikvn．statisticallearningtheory[m]．newyork：wiley，1998．
|
| [15] | 王兴玲，李占斌．基于网格搜索的支持向量机核函数参数的确定[j]．中国海洋大学学报，2005，35(5)：859862．
|
| [16] | 黄琼英．支持向量机多类分类算法的研究及应用[d]．河北：河北工业大学，2005．
|
Full-Text
