基于特征優(yōu)化和ISSA-LSTM的脫硝系統(tǒng)入口NOx濃度預(yù)測模型
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>2089 K
標(biāo)簽： NOx濃度預(yù)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(dòng)較大,，且CEMS檢測儀表有很大遲延難以精準(zhǔn)測量的問題,，提出了一種基于隨機(jī)森林算法（RF）和改進(jìn)麻雀搜索算法(ISSA) 優(yōu)化長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的脫硝系統(tǒng)入口NOx濃度預(yù)測模型,。首先，通過機(jī)理和相關(guān)性分析確定與SCR入口NOx質(zhì)量濃度相關(guān)的初始輔助變量,，并利用RF算法對輔助變量進(jìn)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(jìn)行遲延估計(jì)并提取時(shí)序特征，并通過小波濾波對輸入變量進(jìn)行降噪處理,，建立LSTM神經(jīng)網(wǎng)絡(luò)預(yù)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(yù)測結(jié)果進(jìn)行對比,。實(shí)驗(yàn)結(jié)果證明，特征優(yōu)化后的ISSALSTM神經(jīng)網(wǎng)絡(luò)預(yù)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(qiáng)的擬合和泛化能力，可以精準(zhǔn)預(yù)測脫硝系統(tǒng)入口氮氧化物的質(zhì)量濃度,。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分；重復(fù)下載不扣分,，本人上傳資源不扣分,。