孙 悦，王雪晶，于 攀，曹玉波*

(1.吉林化工学院 信息与控制工程学院,吉林 吉林 132022；2.吉林石化公司 合成树脂厂，吉林 吉林 132021；3.科世达汽车电器有限公司 AP1工艺工程部,吉林 长春130033)

随着工业生产活动的增加，氮氧化物(NOx)排放对大气环境的破坏并影响人类健康的问题也越来越受到广大专家学者的重视.其中燃煤锅炉是NOx的主要排放源之一，对燃烧废气中NOx含量进行实时和准确测量是控制和减少污染排放的首要环节.然而，传统的借助仪器直接测量的方法存在测量精度低、实时性差的问题.而软测量方法是建立NOx排放的预测模型进行预测，具有方便使用、精度高的优点，目前已经有学者从不同角度对软测量预测模型进行了研究[1-2].

支持向量机是一种由Vapnik提出的统计学习方法[3].理论基础已经十分完善，并且数学模型简洁明了.由于现场工况复杂多变，常规的软测量方法建立的模型固定且单一，变负荷运行时存在预测精度不稳定、泛化性差的问题.本文采用支持向量回归算法建立锅炉的NOx排放软测量模型，并利用遗传算法(GA)良好的寻优特性选取最佳的模型参数以提高模型预测精度.同时为验证模型预测性能，将GA-SVR模型与SVR、BPNN等模型进行对比分析.最终实验结果表明，GA-SVR所建立的模型具有最佳的预测精度和泛化能力，可以有效解决脱硝反应器入口NOx排放量难以精准测量的问题，为燃煤电厂后续进一步做燃烧优化提供参考.

1 算法简介

支持向量机主要优……