针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最...针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最大信息系数分析得出13个特征值为输入变量,pH为输出变量,并建立浆液pH模型;最后,运行模型,并对结果进行评价。研究结果显示,与长短期记忆和门控循环相比,所选用的数学模型的平均绝对误差分别下降了11.95%、24.92%,均方根误差分别下降了10.64%、19.49%,决定系数分别提高了1.79%、3.08%。表明基于双向门控循环单元的pH预测模型具有较高的精确度和稳定性,具有工程应用价值,为现有脱硫塔pH预测模型提供了工程参考。展开更多
文摘针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最大信息系数分析得出13个特征值为输入变量,pH为输出变量,并建立浆液pH模型;最后,运行模型,并对结果进行评价。研究结果显示,与长短期记忆和门控循环相比,所选用的数学模型的平均绝对误差分别下降了11.95%、24.92%,均方根误差分别下降了10.64%、19.49%,决定系数分别提高了1.79%、3.08%。表明基于双向门控循环单元的pH预测模型具有较高的精确度和稳定性,具有工程应用价值,为现有脱硫塔pH预测模型提供了工程参考。
文摘知识追踪任务是根据学生历史做题记录和其他辅助信息追踪学生知识水平的变化过程,以及预测学生在下一时刻作答的结果.由于已有的神经网络知识追踪模型在效果和性能上还有待提升,提出了基于堆叠门控循环单元(Gated Recurrent Unit,GRU)的深度残差(Stacked-Gated Recurrent Unit-Residual,SGRU-R)网络.针对长短期记忆网络(Long Short-term Memory,LSTM)参数过多导致过拟合问题,用GRU代替LSTM学习做题序列中的信息,采用堆叠GRU扩大序列学习容量,并用残差连接降低模型训练的难度.S-GRU-R在数据集Statics2011上进行了实验,并用AUC(Area Under the Curve)和F_(1)-score作为评估指标.结果表明S-GRU-R在这2个评估指标上都超过了其他类似的循环神经网络模型.
