文摘针对燃煤电厂在吹扫等过程中脱硫系统出口SO_(2)浓度的不能及时检测的问题,提出了一种基于特征选择的改进粒子群优化算法优化门控循环单元神经网络(IPSO-GRU)的脱硫系统出口SO_(2)浓度预测模型。通过最大相关最小冗余(minimum Redundancy and Maximum Relevance,mRMR)算法对采集的目标数据进行预处理,挑选出合适的变量,随后将选定的变量作为IPSO-GRU预测模型的输入。针对门控循环单元(Gated Recurrent Unit,GRU)模型关键超参数难以确定的问题,使用改进粒子群(Improved Particle Swarm Optimization,IPSO)算法对模型参数进行训练,以降低GRU的训练成本。最终实现对脱硫系统出口二氧化硫浓度的预测。实验结果表明,所提模型与传统循环神经网络相比预测精度更高,在工程实际中更具应用价值。