期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN-GRU-MHA的CFB机组污染物排放动态预测
1
作者
王勇权
高明明
+2 位作者
王唯铧
张鹏新
成永强
《热力发电》
北大核心
2025年第7期33-42,共10页
SO_(2)与NO_(x)排放质量浓度的精准预测可以有效指导污染物排放控制,对CFB机组环保运行具有重要意义。以某330 MW CFB机组为研究对象,采用Pearson相关系数实现输入变量筛选,应用四分位距(interquartile range,IQR)方法筛选并替换异常值...
SO_(2)与NO_(x)排放质量浓度的精准预测可以有效指导污染物排放控制,对CFB机组环保运行具有重要意义。以某330 MW CFB机组为研究对象,采用Pearson相关系数实现输入变量筛选,应用四分位距(interquartile range,IQR)方法筛选并替换异常值,同时进行归一化,完成数据预处理;随后,通过卷积神经网络(convolutional neural network,CNN)提取输入变量的特征,进入门循环单元(gated recurrent unit,GRU)处理时间序列特征,并引入多头自注意力(multi-head attention,MHA)机制捕捉特征之间的重要关系,经训练后反归一化得到模型输出;最后,使用平均绝对误差MAE、平均绝对百分比误差MAPE和决定系数R^(2)评估测试集的结果。结果表明,该CNN-GRU-MHA模型能够较为准确地预测CFB机组的污染物排放质量浓度。消融实验与模型对比证明了该模型的优越性能。该CNN-GRU-MHA模型可以实现CFB机组污染物排放质量浓度的监测与优化指导,从而使电厂及时调整运行参数,确保污染物排放达标。
展开更多
关键词
CFB
污染
物
排放
预测
深度学习
数据驱动
在线阅读
下载PDF
职称材料
基于CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测
2
作者
何为
岳留强
+3 位作者
唐智和
栾辉
陈昌照
王若尧
《西安石油大学学报(自然科学版)》
北大核心
2025年第1期121-129,共9页
快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM...
快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM混合神经网络算法,建立炼化企业污水处理场COD排放浓度预测模型。结果表明,该模型既可发挥CNN较好刻画、提取局部特征信息的优势,又具有LSTM对连续时间序列数据较好继承性的特点,其均方根误差为22.3217、决定系数为0.8732,平均相对误差较LSTM网络构建的模型降低5.45%。
展开更多
关键词
炼化污水处理
混合神经网络(CNN-LSTM)
COD浓度
污染排放预测
在线阅读
下载PDF
职称材料
基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测
被引量：
2
3
作者
陈冲
闫珠
+2 位作者
赵继轩
何为
梁华庆
《计算机应用》
CSCD
北大核心
2022年第3期791-796,共6页
氮氧化物(NOx)是催化裂化(FCC)装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验...
氮氧化物(NOx)是催化裂化(FCC)装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验模态分解(EEMD)和长短期记忆网络(LSTM)的耦合模型。将NOx排放浓度数据经过EEMD为若干个固有模态函数(IMF)和一个残差序列;根据IMF子序列与原始数据之间的相关性分析,剔除极弱相关的信号分量,有效减小原信号数据中的噪声;将IMF序列集分为高、低频两部分,分别进入不同深度的LSTM网络;最终,将子序列的预测结果反变换得到NOx排放浓度。实验表明,在催化裂化装置NOx排放预测中,对比LSTM的表现,EEMD-LSTM耦合模型在均方误差(MSE)、平均绝对误差(MAE)分别减小了46.7%、45.9%;在决定系数R;上增大了43%,实现了更高的预测精度。
展开更多
关键词
催化裂化
污染
物
排放
预测
集合经验模态分解
长短期记忆网络
在线阅读
下载PDF
职称材料
题名
基于CNN-GRU-MHA的CFB机组污染物排放动态预测
1
作者
王勇权
高明明
王唯铧
张鹏新
成永强
机构
新能源电力系统全国重点实验室(华北电力大学)
控制与计算机工程学院(华北电力大学)
出处
《热力发电》
北大核心
2025年第7期33-42,共10页
基金
国家重点研发计划项目(2022YFB4100304)。
文摘
SO_(2)与NO_(x)排放质量浓度的精准预测可以有效指导污染物排放控制,对CFB机组环保运行具有重要意义。以某330 MW CFB机组为研究对象,采用Pearson相关系数实现输入变量筛选,应用四分位距(interquartile range,IQR)方法筛选并替换异常值,同时进行归一化,完成数据预处理;随后,通过卷积神经网络(convolutional neural network,CNN)提取输入变量的特征,进入门循环单元(gated recurrent unit,GRU)处理时间序列特征,并引入多头自注意力(multi-head attention,MHA)机制捕捉特征之间的重要关系,经训练后反归一化得到模型输出;最后,使用平均绝对误差MAE、平均绝对百分比误差MAPE和决定系数R^(2)评估测试集的结果。结果表明,该CNN-GRU-MHA模型能够较为准确地预测CFB机组的污染物排放质量浓度。消融实验与模型对比证明了该模型的优越性能。该CNN-GRU-MHA模型可以实现CFB机组污染物排放质量浓度的监测与优化指导,从而使电厂及时调整运行参数,确保污染物排放达标。
关键词
CFB
污染
物
排放
预测
深度学习
数据驱动
Keywords
circulating fluidized bed
pollutant emission prediction
deep learning
data-driven
分类号
TK018 [动力工程及工程热物理]
在线阅读
下载PDF
职称材料
题名
基于CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测
2
作者
何为
岳留强
唐智和
栾辉
陈昌照
王若尧
机构
中国石油集团安全环保技术研究院有限公司QHSE检测中心
中国石油天然气集团有限公司质量健康安全环保部
出处
《西安石油大学学报(自然科学版)》
北大核心
2025年第1期121-129,共9页
基金
国家重点研发计划“炼化废水全息解析与梯级利用智慧决策平台研究”(2023YFC3206901)
中国石油天然气股份有限公司科学研究与技术开发项目“典型炼油化工污水处理场智能化管控技术研究”(2022DJ6904)。
文摘
快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM混合神经网络算法,建立炼化企业污水处理场COD排放浓度预测模型。结果表明,该模型既可发挥CNN较好刻画、提取局部特征信息的优势,又具有LSTM对连续时间序列数据较好继承性的特点,其均方根误差为22.3217、决定系数为0.8732,平均相对误差较LSTM网络构建的模型降低5.45%。
关键词
炼化污水处理
混合神经网络(CNN-LSTM)
COD浓度
污染排放预测
Keywords
refining waste water treatment
hybrid neural network
COD concentration
pollution emission prediction
分类号
TE992.2 [石油与天然气工程—石油机械设备]
X742 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测
被引量：
2
3
作者
陈冲
闫珠
赵继轩
何为
梁华庆
机构
中国石油大学(北京)信息科学与工程学院
中国石油集团安全环保技术研究院有限公司HSE检测中心
出处
《计算机应用》
CSCD
北大核心
2022年第3期791-796,共6页
基金
中国石油天然气集团有限公司直属院所基础科学研究和战略储备技术研究基金资助项目(2017D-5008)
中国石油大学(北京)科研基金资助项目(2462020YXZZ025)。
文摘
氮氧化物(NOx)是催化裂化(FCC)装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验模态分解(EEMD)和长短期记忆网络(LSTM)的耦合模型。将NOx排放浓度数据经过EEMD为若干个固有模态函数(IMF)和一个残差序列;根据IMF子序列与原始数据之间的相关性分析,剔除极弱相关的信号分量,有效减小原信号数据中的噪声;将IMF序列集分为高、低频两部分,分别进入不同深度的LSTM网络;最终,将子序列的预测结果反变换得到NOx排放浓度。实验表明,在催化裂化装置NOx排放预测中,对比LSTM的表现,EEMD-LSTM耦合模型在均方误差(MSE)、平均绝对误差(MAE)分别减小了46.7%、45.9%;在决定系数R;上增大了43%,实现了更高的预测精度。
关键词
催化裂化
污染
物
排放
预测
集合经验模态分解
长短期记忆网络
Keywords
fluid catalytic cracking
pollutant emission prediction
Ensemble Empirical Mode Decomposition(EEMD)
Long Short-Term Memory(LSTM)network
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN-GRU-MHA的CFB机组污染物排放动态预测
王勇权
高明明
王唯铧
张鹏新
成永强
《热力发电》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测
何为
岳留强
唐智和
栾辉
陈昌照
王若尧
《西安石油大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测
陈冲
闫珠
赵继轩
何为
梁华庆
《计算机应用》
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
