基于集成學習的CFB鍋爐氮氧化物排放質(zhì)量濃度在線建模研究

摘要： 針對循環(huán)流化床鍋爐氮氧化物排放質(zhì)量濃度變化規(guī)律復雜、自相關性強等特點，利用有關變量及其歷史信息，分別建立了氮氧化物排放質(zhì)量濃度的整合移動平均自回歸（ARIMA）和隨機森林（RF）、梯度提升樹（GBDT）、極致梯度提升樹（XGBoost）等集成學習在線模型，并對預測效果進行對比擇優(yōu)，其中以GBDT回歸器為最優(yōu)。為了進一步改進模型的預測效果，提出將一階差分與GBDT回歸算法相結(jié)合，... （共7頁）