基于堆叠集成学习的微混燃烧室NO_(x)排放预测OA

【目的】氮氧化物(NO_(x))排放量是燃气轮机燃烧室的重要环保指标,NO_(x)快速精准预测有助于燃烧优化与低排放控制。针对传统基于数值模拟进行预测时计算成本高、数据驱动单一模型泛化能力有限的问题,提出NO_(x)排放预测的基于异质基学习器与TabNet元学习器的堆叠集成学习框架。【方法】该框架采用XGBoost、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和多层感知机(multi-layer perceptron,MLP)4种异质基学习器,从不同学习范式生成初级预测;继而引入专为表格数据设计的TabNet模型作为元学习器,利用其顺序注意力机制动态融合基学习器输出。【结果】在经预处理的微混燃烧室实验数据集上,所提堆叠集成模型的预测性能优于所有单一基学习器,其均方根误差和平均绝对误差分别低至0.7840 mg/m^(3)和0.1730 mg/m^(3)。通过动态训练-稳态测试的跨工况验证,模型表现出良好的泛化能力。基于SHAP的可解释性分析表明,一、二级燃料流量是影响NO_(x)预测的最关键特征。【结论】所提出的堆叠集成学习框架能有效提升燃烧室NO_(x)排放的预测精度与泛化能力,其关键特征识别结果与燃料分级燃烧的物理机理一致。