基于LSTM的催化裂化装置NO x 排放预测模型及应用

发布时间：2021-02-09 16:33

　　催化裂化装置工艺复杂,调整工艺参数极易发生连锁反应,采用传统的集总模型对污染排放进行预测的难度较大。针对炼化企业海量生产数据和污染排放数据多参数多变量相互耦合的特点,利用主成分分析（PCA,Principal Component Analysis）对NO_x排放要素进行特征选择,确定原料中氮含量、反应温度、剂油比、停留时间等为关键生产要素;基于长短期记忆（LSTM,Long Short-Term Memory）网络建立NO_x排放预测模型,对某350万t重油催化裂化装置NO_x排放进行预测,与卷积神经网络（CNN,Convolutional Neural Networks）、支持向量机（SVM,Support Vector Machine）以及BP神经网络（Back Propagation Neural Networks）进行了对比分析。结果表明,由于考虑了时间序列内部的数据特性,LSTM的平均绝对误差、均方根误差、皮尔逊相关系数和可决系数等指标均优于其他方法。 

【文章来源】：西安石油大学学报(自然科学版). 2020,35(04)北大核心

【文章页数】：6 页

【文章目录】：
引 言
1 特征选择
2 长短期记忆网络
3 模型构造及评价
4 模型预测结果及其对比分析
5 结 语


【参考文献】：
期刊论文
[1]基于孤立森林模型的企业用水异常检测研究[J]. 巫朝星.  企业科技与发展. 2019(11)
[2]特征选择方法综述[J]. 李郅琴,杜建强,聂斌,熊旺平,黄灿奕,李欢.  计算机工程与应用. 2019(24)
[3]利用近似马尔科夫毯的最大相关最小冗余特征选择算法[J]. 张俐,王枞,郭文明.  西安交通大学学报. 2018(10)
[4]基于遗传算法的BP神经网络模型在地下水埋深预测中的应用——以蒙城县为例[J]. 陈笑,王发信,戚王月,周婷.  水利水电技术. 2018(04)
[5]基于PCA和SVM的高光谱遥感图像分类研究[J]. 张亮.  光学技术. 2008(S1)
[6]干旱内陆河流水质预测人工神经网络模型研究[J]. 邵东国,王忠静,李元红,张新民.  灌溉排水. 1999(04)

博士论文
[1]油气井安全生产监控数据预测预警系统及算法研究[D]. 邵彦超.北京邮电大学 2016

硕士论文
[1]环境在线监测态势数据融合预测分析研究[D]. 刘树成.山东大学 2012
[2]数据挖掘技术在环境保护综合管理系统中的应用[D]. 吴贵华.华南理工大学 2011



本文编号：3025920