基于特征优化和ISSA-LSTM的脱硝系统入口NOx浓度预测模型AET-电子技术应用-最丰富的电子设计资源平台

基于特征优化和ISSA-LSTM的脱硝系统入口NOx浓度预测模型
所属分类：技术论文
上传者：zhoubin333
文档大小：2089 K
标签： NOx浓度预测特征优化互信息
所需积分：0分积分不够怎么办？
文档介绍：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ISSALSTM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。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动