| 基于特征优化和ISSA-LSTM的脱硝系统入口NOx浓度预测模型 | |
| 所屬分類：技术论文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：2089 K | |
| 標簽： NOx浓度预测 特征优化 互信息 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：针对电厂脱硝系统入口NOx浓度受较多因素的影响波动较大，且CEMS检测仪表有很大迟延难以精准测量的问题，提出了一种基于随机森林算法（RF）和改进麻雀搜索算法(ISSA) 优化长短时记忆神经网络（LSTM）的脱硝系统入口NOx浓度预测模型。首先，通过机理和相关性分析确定与SCR入口NOx质量浓度相关的初始辅助变量，并利用RF算法对辅助变量进行特征优化选择，然后通过互信息（MI）对各辅助变量与输出变量之间进行迟延估计并提取时序特征，并通过小波滤波对输入变量进行降噪处理，建立LSTM神经网络预测模型。利用ISSA算法确定LSTM模型的最优组合参数，最后与传统的LSSVM、RBF、BP模型的预测结果进行对比。实验结果证明，特征优化后的ISSALSTM神经网络预测模型的决定系数（R2）最大，均方根误差（RMSE）和平均绝对百分比误差(MAPE)最小，具备很强的拟合和泛化能力，可以精准预测脱硝系统入口氮氧化物的质量浓度。 | |
| 現在下載 | |
| 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。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2