基于改进INFOBiLSTM模型的SO2排放质量浓度预测
文档名：基于改进INFOBiLSTM模型的SO2排放质量浓度预测
摘要：针对火电机组SO2排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weightedmeanofvectors,INFO)算法与双向长短期记忆(bi-directionallongshorttermmemory,Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型).采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力.选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO2排放质量浓度进行预测,将预测结果进行验证对比.结果表明:改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO2排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑.
Abstract：InviewoftheproblemthatitisdifficulttoaccuratelypredicttheSO2emissionmassconcentra-tionofthermalpowerunitsduetonumerousinfluencingfactors,acombinedmodelnamedasimprovedIN-FO-Bi-LSTMmodelwasproposedwiththecombinationofimprovedweightedmeanofvectors(INFO)al-gorithmandbi-directionallongshorttermmemory(Bi-LSTM)neuralnetwork.ThehighqualityinitialpopulationwasgeneratedbyadoptingCirclechaoticmappingandreverselearning,whiletheabilityofjumpingfromlocaloptimalsolutionandglobalsearchingofINFOalgorithmwasimprovedwiththeappli-cationofadaptivet-distribution.ImprovedINFO-Bi-LSTMmodelandseveralotherpredictionmodelsforacombineddesulfurizationprocessinsideandoutsidethefurnacewereselectedtopredicttheSO2emissionconcentrationsunderfourtypicalconditions,afterwhich,verificationsandcomparisonswereconductedonthepredictionresults.Resultsshowthat,theoptimizationabilityofINFOalgorithmisimproved,whileimprovedINFO-Bi-LSTMmodelhasahigheraccuracy,andwhichismoresuitablefortheapplicationofSO2massconcentrationprediction.Thiscanprovideareferenceforcontroltheoryinfluegasdesulfuriza-tionprocessundervariableconditions.
作者：王琦 柴宇唤 王鹏程 刘百川 刘祥 Author：WANGQi CHAIYuhuan WANGPengcheng LIUBaichuan LIUXiang
作者单位：山西大学自动化与软件学院,太原030013山西河坡发电有限责任公司,山西阳泉045011
刊名：动力工程学报
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2024, 44(4)
分类号：X511
关键词：炉内外联合脱硫烟气SO2质量浓度INFO算法Bi-LSTM神经网络Circle混沌映射自适应t分布
Keywords：combineddesulfurizationinsideandoutsidethefurnaceSO2concentrationinfluegasINFOal-gorithmBi-LSTMneuralnetworkCirclechaoticmappingadaptivet-distribution
机标分类号：TP301.6X513X831
在线出版日期：2024年5月13日
基金项目：国家自然科学基金基于改进INFO-Bi-LSTM模型的SO2排放质量浓度预测[
期刊论文]动力工程学报--2024, 44(4)王琦柴宇唤王鹏程刘百川刘祥针对火电机组SO2排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weightedmeanofvectors,INFO)算法与双向长短期记忆(bi-directionallongshorttermmemory,Bi-LSTM)神经网络相结合的预...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进INFO-Bi-LSTM模型的SO2排放质量浓度预测Prediction of SO2 Emission Mass Concentration Based on Improved INFO-Bi-LSTM Algorithm
基于改进INFO-Bi-LSTM模型的SO2排放质量浓度预测.pdf
页:
[1]