李　楠，　卢　钢，　李新利，　闫　勇,

(1．华北电力大学 控制与计算机工程学院,北京 102206；2．英国肯特大学 工程与数字艺术学院，坎特伯雷，肯特 CT2 7NT 英国)



基于集成深度玻尔兹曼机和最小二乘支持向量回归的燃烧过程NOx预测算法

李楠1，卢钢2，李新利1，闫勇1,2

(1．华北电力大学 控制与计算机工程学院,北京 102206；2．英国肯特大学 工程与数字艺术学院，坎特伯雷，肯特 CT2 7NT 英国)

火焰自由基图像； 深度玻尔兹曼机； 最小二乘支持向量回归； NOx预测

在未来较长一段时期内，以化石燃料和生物质为主要能源的火力发电依旧是造成大气污染的主要因素，特别是氮氧化物(NOx)的排放对环境恶化和居民健康造成了直接影响[1].许多国家为此制订了相应的节能环保政策来降低污染物对环境的影响，如我国制订了《锅炉大气污染物排放标准》[2].因此，研究燃烧优化，预测并降低燃烧污染物排放就尤为重要.但NOx的生成机制非常复杂，与燃料类型、炉体型式、燃烧器结构、炉内温度、过量空气系数、固体燃料(煤粉或生物质)细度和配风方式等很多因素有直接关系.因此,许多研究人员都在探索有效的NOx预测技术和方法.

目前的研究很少涉及火焰自由基图像的特征学习过程.为了从火焰自由基图像数据中学习到更为稳健的图像特征，笔者提出应用深度玻尔兹曼机(Deep Boltzmann Machine，DBM)进行特征提取.DBM在国家标准技术局(MNIST)数据库的识别上具有优秀的分类能力，其对图像集合进行无监督特征学习的能力得到了肯定[11-12].使用DBM从火……