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

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。

机电安装工程电气施工关键工序控制与管理措施探析

电气施工工艺直接影响到机电安装工程的安全;影响到机电安装工程的质量;并且影响到后续工程的控制;影响到后续工程的维护。电气工程是建筑工程中的重要组成部分;其不仅能够为建筑物内的所有设备提供相应的电能;还能帮助铺设电路、安装电器。因此;在建筑工程中;电气施工关键工序的控制在一定程度上影响建筑工程的质量;和人们日后的生活质量。

浅论建筑机电设备系统施工安装管理问题及新思路

人们的生活质量和水平的不断提高,建筑施工以及施工的技术也在不断的提高,人们不单对建筑房屋的材料和质量增加重视,同时也对建筑房屋中的机电设备安装的要求越来越高。人们开始要求机电设备不仅要在建筑物中实现美观的价值,而且要减少其震动和噪音。本文针对建筑几点设备安装方面展开论述。