1.一种基于stacking模型的滤芯更换周期预测方法,其特征在于,包括下步骤:
2.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s1中获取的锅炉给水装置的水质数据、工作时间、历史给水量数据,其中水质数据包括tds值、悬浮物浓度ss、水质硬度,分别通过tds传感器、ss传感器和水质硬度传感器测得,给水量通过流量传感器检测。
3.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s2的操作如下:
4.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s3的操作如下:
5.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s4的操作中,元学习器的预测模型选用elm极限学习机,将3.2中的新训练集(new_train_data)和新测试集(new_test_data)作为元学习器的输入。
6.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s5的操作中,基于改进樽海鞘优化算法对目标函数进行求解;樽海鞘算法的数学模型为:
7.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s5中,改进樽海鞘优化算法包括:
8.根据权利要求1所述的基于stacking模型的滤芯更换周期预测方法,其特征在于,步骤s6的操作如下:利用优化后的极限学习机elm对新测试集(new_test_data)进行预测,得到最终预测结果。
9.基于stacking模型的滤芯更换周期预测系统,其特征在于,包括数据采集模块、数据处理模块、参数优化模块、结果预测模块和线上监测模块,