论文部分内容阅读
针对某超超临界660MW机组锅炉,结合随机森林(RF)和梯度提升决策树(GBDT)算法,建立了氮氧化物(NOX)排放预测模型。从电厂SIS系统筛选得到历史数据的稳态工况点,利用RF模型的特征排序功能对数据特征进行筛选,并以选中特征作为输入变量建立预测NOX排放的GBDT模型。与支持向量机(SVM)、RF等模型的对比表明基于RF的特征选择能提升模型性能;较于其他模型,RF-GBDT具有最高的NOX排放预测精度。