Key points are not available for this paper at this time.
Stickoxide (NOx) in Kohlekraftwerken sind bedeutende Verursacher von Luftverschmutzung, die die Bildung von Ozon und feinen Partikeln beeinflussen und somit die Gesundheit negativ beeinträchtigen. Daher ist eine genaue Vorhersage der NOx-Emissionen unerlässlich. Bisherige Forschungen basierten hauptsächlich auf Offline-Lernmethoden, was zu einer schlechten Vorhersagegenauigkeit aufgrund der begrenzten Trainingsdatensätze führte. Diese Arbeit schlägt ein Online-Lernmodell der Online-Support-Vektor-Regressionsanalyse vor, um die NOx-Emissionen von Kohlekraftwerken vorherzusagen. Das Online-Lernmodell, das ein Modell aktualisiert, sobald neue Beobachtungen vorliegen, zeigt eine hohe Vorhersagegenauigkeit, selbst wenn anfängliche Daten knapp sind. Die experimentellen Ergebnisse zeigten, dass die Leistung der Online-Lernvorhersage besser war als die bestehender Offline-Lernmethoden. Die Ergebnisse weisen darauf hin, dass die Online-Lernmethode ein wertvolles Werkzeug zur Vorhersage von NOx-Emissionen ist, insbesondere in Situationen, in denen anfängliche Daten begrenzt sind und die Daten in Echtzeit kontinuierlich aktualisiert werden.
Park et al. (Fri,) untersuchten diese Frage.