大气污染的一个主要来源就是各种工业固体排放物微粒。燃煤电厂是工业固体排放物的大户之一。燃煤电厂烟气污染物排放到大气中，这不仅关系到环境问题，而且直接危害人们身体的健康。
华北电力大学电站设备状态监测与控制教育部重点实验室蒋宝平等人表示，实现电厂粉尘浓度有效地在线监测，能更好地掌握粉尘浓度情况，进行有效的降尘除尘，对保护大气环境和人体健康有着重要的作用。汉斯《电力与能源进展》学术期刊发表了蒋宝平等人的相关研究文章。
粉尘浓度与其相关的影响因素之间关系复杂，因此将支持向量机方法引入粉尘浓度在线监测中，充分利用支持向量机优良的非线性映射和强大的泛化能力，建立粉尘浓度与影响因素之间非线性映射的数学模型，实现粉尘浓度的软测量。
基于支持向量机软测量方法，利用SVR模型进行粉尘浓度预测，并用遗传算法对SVR参数进行优化，构建粉尘浓度的在线监测模型。建模所选样本是某电厂600MW机组2013年3月1日~2013年5月31日之间的70组数据。
采用特征选择方法从众多参数中遴选得到8个主要影响参数作为该模型的输入变量：负荷、总燃料量、再热蒸汽压力、炉膛与风箱差压、烟囱入口烟气流量、排烟温度、二次风量、送风机出口流量，粉尘浓度值作为输出变量。另外，文中指出，由于本方法建立的模型是针对同一煤质特性下对粉尘浓度进行研究，且煤质特性不具备实时可读取性，故建立粉尘排放浓度在线监测模型时，煤质特性不作为输入变量。
最终模型的训练曲线如图1所示，所选训练样本点的真实值与模型预测值拟合较好。在此基础上，利用建立的SVR粉尘浓度预测模型对7组预测样本进行预测，模型预测值与粉尘浓度真实值对比曲线见图2所示。图中曲线对比表明，模型预测值与真实值的变化趋势一致，较好的跟踪了粉尘浓度的变化趋势。
表1中列出了预测样本的真实值，模型预测值，以及相对误差值，便于对比。测试样本相对误差最大为6.81889%，最小为0.95586%，平均误差3.06999%，满足工程需求。仿真结果表明，该模型可以有效的进行粉尘浓度的在线监测。
因此，研究者们认为，该方法为粉尘浓度在线监测提供了一种可供参考的方法，有进一步改进和研究的价值。