化学工程 | 基于 BPNN-SVM-ELM 融合算法的气化炉预测模型
化学工程 | 基于 BPNN-SVM-ELM 融合算法的气化炉预测模型
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 Stacki