神经网络在催化裂化装置污染物排放预测中的应用研究

发布时间：2024-01-16 19:11

　　近年来,我国深化改革力度不断加强,环境保护受到了越来越多的关注。石油炼化企业需要相应地提高环境管理水平,保障生产过程符合相应的政策要求,杜绝重大环境污染事件发生。催化裂化装置是炼化企业主要污染物排放源,并且催化裂化反应机理复杂,污染物的排放存在不确定性。如何根据催化裂化装置的生产要素和历史排污数据,预测其未来的变化趋势,减少排污的不确定性变得非常重要。有效的污染物排放预测可以为石油炼化企业生产计划和决策提供依据,保障生产过程符合国家环保标准,使企业的利益最大化。本文首先整理了中外学者关于污染预测的研究近况和神经网络的发展历程。简单介绍了常用的统计学预测方法和几种经典的机器学习方法,并重点介绍了卷积神经网络和长短时记忆网络的算法原理。然后以催化裂化装置排放的氮氧化物为例,将机器学习模型应用于其污染物排放预测。催化裂化装置污染物排放的预测本质上是属于多变量的时间序列预测问题,本文结合卷积神经网络和长短时记忆网络,设计出了一种卷积长短时记忆网络的混合预测模型,通过实验确定网络参数。最后通过实验,将所设计的卷积长短时记忆网络与其他典型的机器学习算法进行对比,验证了卷积长短时记忆网络预测模型在催...

【文章页数】：65 页

【学位级别】：硕士

本文编号：3879059