您所在的位置:首页 > 资讯 » 技术应用 »  基于LS-SVM对耐高温滤料过滤效率的预测研究

基于LS-SVM对耐高温滤料过滤效率的预测研究

  来源:中国过滤技术网   责任编辑:中国过滤技术网  有415人浏览   日期:2017-05-24

文章摘要: 我国火力发电、钢铁、水泥、冶金、化工、垃圾焚烧等行业的烟气排放是对大气造成污染的主要原因。随着环保标准的日益严格,尤其是......

 我国火力发电、钢铁、水泥、冶金、化工、垃圾焚烧等行业的烟气排放是对大气造成污染的主要原因。随着环保标准的日益严格,尤其是加强了对烟尘排放的控制,袋式除尘器以其高效的除尘效率,在烟气除尘中的应用越来越广泛。耐高温滤料是袋式除尘器的关键部件,滤料性能对除尘效果影响很大。影响耐高温滤料的因素也有很多,不同的使用环境对滤料的过滤效率有着不同程度的影响,要理清这些因素的影响程度,就要求对各个影响因素进行分析,找出各影响因素间的关系。
  通过,在本例中,LS-SVM明显比RBF神经网络的预测精度高。经计算,RBF神经网络的预测平均绝对百分比误差17%,而LS-SVM预测平均绝对百分比误差仅为1.08%.表1LS-SVM法与RBF神经网络法的预测结果比较利用RBF神经网络对耐高温滤料过滤效率数据拟合利用LS-SVM预测耐高温滤料过滤效率的结果于验证集中5个样本点的预测能力。
u=789292130,1989678630&fm=23&gp=0
  由阁可见,对于训练集中的数据,LS-SVM的拟合效果明显更好,即学习能力更强。针对135个训练样本,通过LS-SVM得到的平均绝对百分比误差t-0.35%,而通过RBF神经网络得到的平均绝对百分比误差£2.67%,而且从图中也可直观看出,通过RBF神经网络拟合虽然总体趋势正确,但有个别点与真实值偏离很大,而LS-SVM则没出现这种情况。
  为了验证LS-SVM和RBF神经网络对于现数据的学习能力,把两种算法对于训练集中的135个数据点学习得到的模型对应的过滤效率与实验得到的过滤效率也做了对比,显示了两种算法的学习能力,示于与。
  利用LS-SVM对耐高温滤料过滤效率数据拟合朱新荣,杨柳,刘加平。建筑夜间通风降温研究进展。暖通空代彦军,王如竹。一种具有强化自然通风效果的太阳能空调房。太阳能学报,2003,24(3):283-289陈士凌,卢军,李永财。太阳能相变蓄能通风系统实验研究。土木建筑与环境工程,2011,33(2):97-100李百战,庄春龙,邓安仲,等。相变墙体与夜间通风改善轻质建筑室内热环境。土木建筑与环境工程,2009,康艳兵,江亿,张寅平。夜间通风相变贮能堆积床系统降温效果实验研究。暖通空调,2003,李峥嵘,陈沛霖。晚间通风及其与蒸发冷却技术的联合应用。同济大学学报(自然科学版),1995,23(6):660-663(上接32页)此外,需要指出的是LS-SVM程序学习样本的时程序的运行时间为11.04s,两种算法运行时间相差很多,如果样本集很大,则这种差别更加明显,可见LS-SVM可以在更短的时间中获得更高的精度。
  4结论本文简要介绍了最小二乘支持向量机的基本思想,并且将LS-SVM算法运用到了预测不同测试条件下耐高温高效滤料的过滤效率的应用中。实例证明,采用LS-SVM算法,建模过程中待定参数少,实现步骤相对简单。对比两种不同算法建立的过滤效率预测模型,LS-SVM算法具有更好的学习能力,更高的精度,更强的鲁棒性,并且用时更短,该方法为预测不同测试条件下滤料的过滤效率提供了一条有效的途径。
免责声明:
本网站部分内容来源于合作媒体、企业机构、网友提供和互联网的公开资料等,仅供参考。本网站对站内所有资讯的内容、观点保持中立,不对内容的准确性、可靠性或完整性提供任何明示或暗示的保证。如果有侵权等问题,请及时联系我们,我们将在收到通知后第一时间妥善处理该部分内容。

微信

关注中国滤器库存网官方微信账号:“lefilter-001”,每日获得互联网最前沿资讯,热点产品深度分析!

>> 关于“”的相关资讯

热点聚焦