【Цель】Выбросы оксидов азота (NOx) являются важным экологическим показателем камеры сгорания газовой турбины. Быстрое и точное прогнозирование NOx способствует оптимизации сгорания и контролю низких выбросов. В связи с высокими вычислительными затратами при традиционном численном моделировании и ограниченной обобщающей способностью моделей с одним датасетом, предложена стековая ансамблевая модель для прогнозирования выбросов NOx, основанная на неоднородных базовых обучающих алгоритмах и мета-обучателе TabNet. 【Метод】Рамочная модель использует четыре разнородных базовых обучателя: XGBoost, метод опорных векторов (SVM), случайный лес (RF) и многослойный перцептрон (MLP), которые генерируют первичные прогнозы из различных парадигм обучения; затем введён специализированный для табличных данных алгоритм TabNet в качестве мета-обучателя, который динамически объединяет выходы базовых обучателей с помощью последовательного механизма внимания. 【Результаты】На предварительно обработанном экспериментальном наборе данных камеры малого смешанного сгорания предложенная стековая ансамблевая модель превзошла все отдельные базовые обучатели, обеспечив RMSE и MAE соответственно на уровне 0.7840 мг/м3 и 0.1730 мг/м3. Модель продемонстрировала хорошую обобщаемость при валидации сквозь различные режимы с динамическим обучением и статическим тестированием. Интерпретационный анализ на базе SHAP показал, что первичный и вторичный расход топлива — наиболее важные характеристики, влияющие на прогноз NOx. 【Вывод】Предложенная стековая ансамблевая рамочная модель эффективно повышает точность и обобщающую способность прогнозирования выбросов NOx в камере сгорания, а результаты ключевого отбора признаков соответствуют физическим механизмам поэтапного сгорания топлива.

камера малого смешанного сгорания;прогноз выбросов NO_x;стековое ансамблевое обучение;анализ SHAP