摘要
文章聚焦于电站锅炉燃烧热效率建模问题,构建了融合改进型灰狼优化算法(TGWO)与极限学习机(ELM)的TGWO-ELM模型.首先,通过引入Tent混沌映射函数、反向学习策略、非线性收敛因子及动态权重策略,对灰狼优化算法进行改进,提升了算法的收敛精度和全局搜索能力.其次,构建TGWO-ELM模型,并利用10个UCI(加州大学欧文分校)数据集样本验证模型的有效性.实验结果显示,融合TGWO算法后,ELM模型的泛化能力和稳定性均得到了提升.最后,将该模型应用于电站锅炉燃烧热效率的建模中,实验结果表明,TGWO-ELM模型的精度可达到10-2,满足实际工程应用需求,为后续锅炉工况的优化奠定了基础.
NETL
NSTL
万方数据