| 基于特征優化和ISSA-LSTM的脫硝系統入口NOx濃度預測模型 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：2089 K | |
| 標簽： NOx濃度預測 特征優化 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) 優化長短時記憶神經網絡（LSTM）的脫硝系統入口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模型的最優組合參數，最后與傳統的LSSVM、RBF、BP模型的預測結果進行對比。實驗結果證明，特征優化后的ISSALSTM神經網絡預測模型的決定系數（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入口氮氧化物的質量濃度。 | |
| 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