应用数学学报

环境科学与资源利用论文_基于MIC-CFS-LSTM的SC 

来源:应用数学学报 【在线投稿】 栏目:期刊导读 时间:2022-01-21

文章摘要:针对燃煤机组选择性催化还原(SCR)系统出口氮氧化物(NOx)预测模型精度不高的问题,提出一种基于最大信息系数(MIC)和长短期记忆(LSTM)神经网络的预测模型方法。首先采用MIC估计各变量的延迟时间,对数据进行时延重构;然后采用重构后数据的MIC值作为评价各输入变量和输出变量间相关性大小的指标,并结合基于关联性的特征选择算法(CFS)进行输入变量筛选;最后基于时延重构和变量筛选后的数据,采用LSTM神经网络建立了SCR出口氮氧化物浓度动态预测模型。该模型被用于广东某320MW燃煤机组实际运行数据分析,结果表明,经过时延重构和变量筛选后所建立的LSTM预测模型具有较高精度,优于深度神经网络(DNN)模型和径向基函数(RBF)神经网络模型,平均绝对百分比误差达到2.58%,均方根误差达到2.02,可以满足现场运用要求。

文章关键词:

项目基金: