[发明专利]NOx排放预测方法、装置、电子设备及计算机存储介质

权利要求书

1.一种NOx排放预测方法，其特征在于，包括：

获取包括训练集、验证集和测试集的样本数据，其中，所述样本数据包括NOx排放量；

将所述训练集输入初始SVR模型中进行训练，生成第一NOx排放预测模型，并获取影响所述第一NOx排放预测模型性能的影响参数；

将所述验证集输入所述第一NOx排放预测模型中，并基于PSO算法对所述影响参数进行优化，得到优化参数，基于所述优化参数得到第二NOx排放预测模型；

将所述测试集输入所述第二NOx排放预测模型进行预测，输出NOx排放预测结果。

2.根据权利要求1所述的方法，其特征在于，所述样本数据的获取步骤，包括：

获取试验数据；

对所述试验数据依次进行数据对齐、无效数据去除及数据降维处理，并将处理后的试验数据确定为所述样本数据。

3.根据权利要求2所述的方法，其特征在于，所述将所述训练集输入初始SVR模型中进行训练，生成第一NOx排放预测模型，包括：

初始SVR模型通过非线性映射函数把训练集中的每一列训练样本映射到高维特征空间，建立线性回归函数：f(x)＝wφ(x)+b (1)，其中，f(x)为预测值，φ(x)为非线性映射函数，w为权向量系数，b为偏差量；

引用松弛变量ξ_i，对式(1)中w，b进行求解转化成第一数学模型：

其中，C为惩罚因子，ξ_i，为松弛变量上下限，l为训练样本个数，i＝1,2…l，s.t.为约束条件，x_i是第i个训练样本的输入列向量，y_i为对应的输出值，ε为不敏感损失函数阈值；

引入拉格朗日函数，对式(2)不等式约束条件优化问题进行求解转化成第二数学模型：

其中，K(x_i,x_j)＝φ(x_i)φ(x_j)为核函数，x_i是第i个训练样本的输入列向量，x_j是第j个训练样本的输入列向量，α_i、α_j分别为对于误差容许上限的非负朗格朗日乘子，分别为对于误差容许下限的非负朗格朗日乘子，l为训练样本个数，i＝1,2…l，j＝1,2…l，s.t.为约束条件；

基于求解的α_i、得到训练后的第一NOx排放预测模型：其中为支持向量系数。

4.根据权利要求3所述的方法，其特征在于，所述核函数包括高斯径向基核函数：K(x_i,x)＝exp(-g||x-x_i||²)，其中，g为核函数参数，控制核函数的径向作用范围。

5.根据权利要求4所述的方法，其特征在于，所述影响所述第一NOx排放预测模型性能的影响参数包括：惩罚因子C、不敏感损失函数阈值ε及核函数参数g。

6.根据权利要求1所述的方法，其特征在于，所述基于PSO算法对所述影响参数进行优化，得到优化参数，包括：

确定所述影响参数的更新范围，及迭代次数；

利用PSO算法迭代公式对所述影响参数进行迭代寻优；

判断是否满足迭代次数终止条件，若不满足迭代次数终止条件，则根据所述影响参数的更新范围更新所述影响参数，并重复寻优过程；

若满足迭代次数终止条件，则将最终更新的影响参数确定为优化参数，并结束寻优过程。