环境科学与资源利用论文_基于MIC-CFS-LSTM的SC

来源:数学的实践与认识 【在线投稿】 栏目:期刊导读 时间:2022-01-21
作者:网站采编
关键词:
摘要: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(NO x )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

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:《数学的实践与认识》 网址: http://www.sxdsjyrs.cn/qikandaodu/2022/0121/1017.html



上一篇:外科学论文_1999—2018年天津市骨肿瘤死亡率变
下一篇:气象学论文_激光雷达结合SBDART模式对实际大气

数学的实践与认识投稿 | 数学的实践与认识编辑部| 数学的实践与认识版面费 | 数学的实践与认识论文发表 | 数学的实践与认识最新目录
Copyright © 2019 《数学的实践与认识》杂志社 版权所有
投稿电话: 投稿邮箱: