基于 BPNN-SVM-ELM 融合算法的气化炉预测模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：基于遗传算法-反向传播神经网络（GA-BPNN）、遗传算法-支持向量机（GA-SVM）、 极限学习机（ELM）单一数据驱动模型稳定性差、信息熵线性融合模型建立时间成本高的问题， 提出了信息熵 Stacking 融合建模法。使用工厂实际生产数据，以气化炉负荷、进料压力与流 量、激冷水流量为输入，以气化炉出口温度、水洗塔出口合成气温度与流量、合成气组成为输 出，建立了气化炉的信息熵 Stacking 融合预测模型。（剩余11120字）

试读结束

目录
monitor