影响火电厂经济运行的一个重要因素是许多重要热工技术参数和经济参数难以在线实时测量，为解决热工参数软测量建模问题，对粒子群优化算法与序列最小优化算法进行了结合研究，提出了粒子群SMO算法。 该方法首先从训练数据的性能信息中挖掘SMO学习机参数，以此指导粒子群的速度和范围设置，然后将改进SMO算法同PSO算法结合进行双层结构参数寻优，有效减少人为因素和数据噪声的影响，使算法建模具有较高精度。结合实际工艺，将该方法应用于氧量软测量建模。仿真结果表明，该模型能够准确预测氧量变化，具有较高的精度和良好的应用前景。
NETL
