-
题名基于固定窗漂移检测的MSWI过程CO排放建模
- 1
-
-
作者
汤健
张润雨
夏恒
乔俊飞
-
机构
北京工业大学信息学部
智慧环保北京实验室
-
出处
《北京工业大学学报》
北大核心
2025年第8期930-943,共14页
-
基金
国家科技重大专项资助项目(2021ZD0112302)。
-
文摘
针对城市固废焚烧(municipal solid waste incineration, MSWI)过程中能够表征燃烧过程是否稳定的关键工业参数--一氧化碳(carbon monoxide, CO)排放浓度的动态时变特性,提出基于固定窗漂移检测的MSWI过程CO排放建模方法。首先,基于历史数据集采用k-means算法获取典型样本池(typical sample pool, TSP),构建基于长短期记忆(long short-term memory, LSTM)神经网络的离线预测模型和基于核主成分分析(kernel principal component analysis, KPCA)的漂移指标计算模型。然后,针对每个在线采集样本,在预设定固定窗口未填满时基于历史LSTM神经网络模型进行在线预测,在预设定固定窗口填满时采用历史KPCA模型进行漂移检测。最后,利用指标霍特林统计量T2和平方预测误差(squared prediction error, SPE)判断是否产生漂移。若未产生漂移,则返回至新窗口期;若产生漂移,则合并历史数据和漂移数据以更新TSP、LSTM模型和KPCA模型。工业现场实际数据的仿真验证了所提方法的合理性和有效性。
-
关键词
城市固废焚烧(municipal
solid
waste
incineration
MSWI)
一氧化碳(carbon
monoxide
CO)排放
概念漂移检测
典型样本池(typical
sample
pool
TSP)
长短期记忆(long
short-term
memory
LSTM)神经网络
核主成分分析(kernel
principal
component
analysis
KPCA)
-
Keywords
municipal solid waste incineration(MSWI)
carbon monoxide(CO)emission
conceptual drift detection
typical sample pool(TSP)
long short-term memory(LSTM)neural network
kernel principal component analysis(KPCA)
-
分类号
U461
[机械工程—车辆工程]
TP308
[自动化与计算机技术—计算机系统结构]
-
