结合快速属性约简(FAR)与混合核极限学习机(HK-ELM)算法，提出了一种基于FAR-HK-ELM的燃煤电站锅炉NOx排放预测方法。该方法首先通过FAR算法筛选出影响NOx排放量的主要影响属性，剔除高维特征的冗余信息；然后构建基于全局多项式核函数(Poly)和局部高斯径向基核函数(RBF)的HK-ELM对NOx排放进行建模。通过带约束的权重线性递减粒子群寻优算法和交叉验证来获得模型的最优参数。以某燃煤电站锅炉运行系统为例，将模型应用于真实运行数据并进行预测分析验证。实验结果表明，与BP、SVM、PK-ELM、GK-ELM和HK-ELM等模型相比，所提方法进一步提高了模型的泛化能力。该研究为燃煤电站锅炉系统的燃烧优化奠定了基础。