摘要：火电厂中烟气含氧量是一个难以测量的量，采用支持向量机中的序列最小优化（SMO）算法对其进行软测量，并采用改进的SMO算法提高建模速度。SMO算法的性能很大程度上依赖于其学习参数，选择合适的SMO参数是一个亟待解决的问题。而微分进化算法（DE）具有很强的全局搜索能力，在多峰函数的寻优问题上已表现出优异的性能。为此，采用DE算法选择SMO的参数，提出了基于DE算法的SMO参数选择方法。仿真表明，该方法能够准确预测烟气含氧量的变化，比用遗传（GA）算法和粒子群（PSO）算法优化SMO参数具有更高的精度和更快的速度。

关键词：软测量 smo 微分进化算法 烟气含氧量 

单位：二滩水力发电厂 四川攀枝花617000 华北电力大学控制与计算机工程学院 河北保定071003