公开(公告)号：CN119400298A

公开(公告)日：2025-02-07

申请号：CN202411302623.4

申请日：2024-09-18

Applicant: 北京工业大学

Inventor： 李晓理 ,  刘泉伯 ,  王康

IPC: G16C20/70 ,  G16C20/10 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049 ,  G06F18/211 ,  G06F18/10 ,  G06N3/0985

Abstract: 本发明公开了一种基于时间卷积门控循环神经网络的烟气脱硫浆液pH值预测方法，该方法包括：对烟气脱硫过程进行分析，结合大量的过程监测数据，采用最大互信息分析方法对烟气压力、入口烟气温度、烟气含氧量、烟气飞灰含量、入口烟气二氧化硫浓度、入口烟气流量等工艺变量进行相关性分析，获得影响浆液pH值的关键变量。然后，将时间卷积神经网络和门控循环单元进行结合，组成时间卷积门控循环网络。最后，利用被选中的关键变量和卷积门控循环网络，完成对脱硫过程浆液pH值的预测。本发明实时监控和调整pH值能够预防停机，提高系统可靠性和经济效益。因此，准确预测浆液pH值对烟气脱硫过程的稳定性、效率和环保性能具有重要意义。

公开(公告)号：CN119357910A

公开(公告)日：2025-01-24

申请号：CN202411302624.9

申请日：2024-09-18

Applicant: 北京工业大学

Inventor： 李晓理 ,  刘泉伯 ,  王康

IPC: G06F18/27 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/0499 ,  G06F18/2131 ,  G06N3/08

Abstract: 本发明公开了一种基于变分模态分解和集成学习的烟气二氧化硫浓度预测方法，包括：对于烟气脱硫系统内采集的烟气SO2浓度序列，首先使用变分模态分解方法将该时间序列分解为多个内部模态函数。然后，使用前馈级联神经网络、长短期记忆网络和自回归积分滑动平均模型作为基学习器，对于每个模态函数的动态特性进行学习。最后，基于所有基学习器的预测结果训练元学习器，建立每个模态函数的集成模型。将所有集成模型的预测值进行重组，实现对排放烟气SO2浓度的预测。准确预测排放烟气中的二氧化硫不仅有助于减少空气污染，防止酸雨形成，保护生态系统和生物多样性。通过提前采取减排措施和优化生产工艺，企业可以降低环保治理成本，提高绿色生产水平。