基于VMD-IASO-ELM的吸收塔出口SO2浓度组合预测模型

摘要：

为提高火电厂SO2污染物排放控制水平,提出一种基于变分模态分解(VMD)改进原子搜索算法(IASO)极限学习机(ELM)的吸收塔出口SO2浓度组合预测模型.首先,利用机理和相关性分析确定吸收塔出口SO2浓度的初始相关变量,并采用VMD算法对其分解,保留分解结果与输出互信息中大的低频分量;然后,采用结构简单、学习速度快的ELM建立预测模型,并利用基于混合策略改进的IASO优化网络参数,提高预测精度;最后,利用模糊规则推理出误差修正项以校正ELM模型预测结果.应用历史数据仿真建模,结果表明该模型具有较高的预测精度和学习能力,能够准确跟踪吸收塔出口SO2浓度变化趋势.

关键词：计量学、SO2浓度预测、变分模态分解、原子搜索算法、极限学习机、模糊推理

所属期刊栏目：44

分类号：TB99(计量学)

资助基金：国家重点研发计划2016YFB0600701

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：630-637