基于变量选择和二次分解的吸收塔出口SO₂浓度预测

摘要

为解决常规吸收塔出口SO₂浓度预测模型对于输入变量选取不够合理、数据挖掘不充分的问题，提出了一种利用K近邻互信息变量选择算法（KNN-MI-VS）和变分模态分解-集合经验模态分解（VMD-EEMD）的二次分解技术建立吸收塔出口SO₂浓度预测模型的方法。通过K近邻互信息算法（KNN-MI）校正初始输入变量的时序迟延；利用KNN-MI-VS算法确定模型输入变量集合；采用VMD算法分解模型输入变量，之后利用EEMD算法分解样本熵值大的模态分量，然后保留两次分解结果中样本熵值小的模态分量作为预测模型输入；采用改进在线贯序极限学习机（IOS-ELM）网络建立预测模型。结果表明：基于KNN-MI-VS算法和VMD-EEMD二次分解的IOS-ELM预测模型相比于其他模型在变工况情况下具有更好的预测精度和适应能力。

关键词

SO₂浓度 / 预测 / 变分模态分解 / 集合经验模态分解 / K近邻互信息 / 在线贯序极限学习机 / 样本熵