Представлена модель мягкого измерения CS-LSSVM для прогнозирования концентрации массы NOx в дыме на основе сжатого минимального квадрата с использованием компрессионного сенсора (CS) и минимальной многомерной машины опорных векторов (LSSVM). Модель использует сжатие матрицы отображения LSSVM в процессе моделирования с использованием алгоритма наименьших квадратов сопоставления соответствия (LS-OMP) в теории сжатия CS. По сравнению с традиционной моделью LSSVM, данная модель увеличивает вычислительную скорость модели путем уменьшения расходов нарабатывания при помощи разреженной матрицы отображения, а по сравнению со спариваемой моделью LSSVM, LSSVM модель все еще должна разряжать новый входной вектор после моделирования, в то время как CS-LSSVM модель уменьшает вычислительные расходы через единовременное сжатие в процессе моделирования, повышая точность мягкого измерения. Применяя эту модель для мягкого измерения выбросов NOx из угольных котлов электростанции, результаты симуляции на месте показывают, что данный метод с использованием 50% опорных векторов обеспечивает хорошую производительность для мягкого измерения на месте.

Прогнозирование контроля; Компрессия; Мягкое измерение; Минимальная многомерная машина опорных векторов; Выбросы NOx; Разрежение