提出一种基于改进的差分量子粒子群（DEQPSO）算法,将其与超限学习机（ELM）相结合,以某1 000 MW超超临界机组锅炉燃烧系统为研究对象,建立了NOx排放模型,采用现场样本数据测试所建模型的预测能力,并将该模型的预测结果与基本超限学习机以及引力搜索算法（GSA）、粒子群算法（PSO）和量子粒子群算法（QPSO）优化的超限学习机模型的预测结果进行了对比。结果表明:DEQPSO算法具有更好的参数优化性能,DEQPSO-ELM模型具有较强的泛化能力和良好的预测精度,为电站锅炉NOx排放质量浓度预测提供了一种有效方法。
