基于 BPNN-SVM-ELM 融合算法的氣化爐預(yù)測模型

打開文本圖片集

摘要：基于遺傳算法-反向傳播神經(jīng)網(wǎng)絡(luò)（GA-BPNN）、遺傳算法-支持向量機（GA-SVM）、 極限學(xué)習(xí)機（ELM）單一數(shù)據(jù)驅(qū)動模型穩(wěn)定性差、信息熵線性融合模型建立時間成本高的問題， 提出了信息熵 Stacking 融合建模法。使用工廠實際生產(chǎn)數(shù)據(jù)，以氣化爐負荷、進料壓力與流 量、激冷水流量為輸入，以氣化爐出口溫度、水洗塔出口合成氣溫度與流量、合成氣組成為輸 出，建立了氣化爐的信息熵 Stacking 融合預(yù)測模型。（剩余11120字）