摘要：飞灰含碳量是影响锅炉热效率的一个重要因素，是评价燃烧好坏和锅炉优化运行的重要指标。利用最小二乘支持向量机这种新的机器学习工具，建立了飞灰含碳量的软测量模型。针对模型输入变量之间存在强耦合、非线性等特征，采用核主元分析（KPCA）提取变量的特征信息以有效处理非线性数据。应用该模型对某300MW四角切圆燃煤电站锅炉的飞灰含碳量进行研究，理论分析和仿真计算表明，该方法学习速度快、泛化能力强、对样本的依赖程度低，比BP神经网络的软测量建模具有更好的推广能力。

原文链接:http://www.cqvip.com//QK/92371A/200601/20914544.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）