Die Vorhersage und Kontrolle von Stickoxidemissionen aus Kesselabgasen hat einen erheblichen Einfluss auf die Wirtschaftlichkeit von Kraftwerken und den Umweltschutz. Um die Genauigkeit des Stickoxidemissionsvorhersagemodells zu verbessern, schlägt dieser Artikel eine Methode zur Modellierung der Stickoxidemissionen aus Kesselabgasen auf der Grundlage einer Gruppe von Modellen vor. Zunächst wird der Datenspace anhand hoher und niedriger Stickoxidemissionen gewichtet, indem Variablen basierend auf der Korrelationsanalyse und der hierarchischen Clusteranalyse basierend auf der Informationsentropie zur Bestimmung der am Clustering beteiligten Variablen gewichtet werden, dann wird mit dem vorgeschlagenen Multi-Model-Cluster-Integrationsalgorithmus (VMSC) ein Clustering durchgeführt und eine Zugehörigkeitsmatrix zu den Unterräumen erhalten, schließlich wird die Zugehörigkeit mit Hilfe der Methode der kleinsten Quadrate integriert, indem eine Integration der Modelle mit Hilfe der Least-Square Support Vector Machines (LS-SVM) in jedem Unterraum durchgeführt wird. Die Simulationsergebnisse zeigen, dass der VMSC-Algorithmus mithilfe der Integration von Fuzzy-C-Means-Clustering (FCM) und überwachten genetischen Algorithmen, die Fuzzy-C-Means-Cluster (GA-SFCM) verbesserte die Modellierungsgenauigkeit und übertraf die Leistung einzelner Modelle.

Mehrmodell, Clustering, GA-SFCM, LS-SVM, überwachtes Fuzzy-Clustering, NOx-Emissionen