Pour résoudre le problème de la difficulté à prédire avec précision la teneur en carbone dans les cendres volantes de chaudière sur le long terme, à partir de l'amélioration de la précision de prédiction du modèle et de sa capacité d'adaptation, un modèle d'auto-correction pondérée des moindres carrés par méthode à support de vecteur de machine (WLSSVM) basé sur l'évaluation des performances de prédiction du modèle est proposé. On construit un ensemble d'entraînement du modèle de mesure basé sur le groupe maximal d'éléments linéairement indépendants, ce qui rend le modèle WLSSVM assez clairsemé et réduit la quantité de calcul du processus d'entraînement; on établit un modèle de mesure WLSSVM basé sur un facteur de pondération de similarité des données, en utilisant l'algorithme de différenciation double populations pour optimiser la sélection des paramètres du modèle; à travers l'évaluation en ligne des performances de prédiction du modèle et la correction récursive, une correction automatique en ligne du modèle est réalisée. Les résultats de l'expérience de simulation sur une chaudière de 300 MW ont montré que ce modèle algorithmique présente une bonne précision de prédiction et une capacité d'adaptation, et peut prédire efficacement la teneur en carbone dans les cendres volantes.

chaudière; cendres volantes; teneur en carbone; groupe maximal d'éléments linéairement indépendants; algorithme de différenciation double populations; correction récursive