Digikey(202412)
基于特征優(yōu)化和ISSA-LSTM的脫硝系統(tǒng)入口NOx濃度預測模型
所屬分類:技術論文
上傳者:zhoubin333
文檔大?。?span>2089 K
標簽: NOx濃度預測 特征優(yōu)化 互信息
所需積分:0分積分不夠怎么辦?
文檔介紹:針對電廠脫硝系統(tǒng)入口NOx濃度受較多因素的影響波動較大,且CEMS檢測儀表有很大遲延難以精準測量的問題,提出了一種基于隨機森林算法(RF)和改進麻雀搜索算法(ISSA) 優(yōu)化長短時記憶神經網絡(LSTM)的脫硝系統(tǒng)入口NOx濃度預測模型。首先,通過機理和相關性分析確定與SCR入口NOx質量濃度相關的初始輔助變量,并利用RF算法對輔助變量進行特征優(yōu)化選擇,然后通過互信息(MI)對各輔助變量與輸出變量之間進行遲延估計并提取時序特征,并通過小波濾波對輸入變量進行降噪處理,建立LSTM神經網絡預測模型。利用ISSA算法確定LSTM模型的最優(yōu)組合參數(shù),最后與傳統(tǒng)的LSSVM、RBF、BP模型的預測結果進行對比。實驗結果證明,特征優(yōu)化后的ISSALSTM神經網絡預測模型的決定系數(shù)(R2)最大,均方根誤差(RMSE)和平均絕對百分比誤差(MAPE)最小,具備很強的擬合和泛化能力,可以精準預測脫硝系統(tǒng)入口氮氧化物的質量濃度。
現(xiàn)在下載
VIP會員,AET專家下載不扣分;重復下載不扣分,本人上傳資源不扣分。