基于GA和BP神经网络的二噁英软测量模型研究

本文详细介绍了基于GA-BP神经网络在垃圾焚烧过程中二噁英排放软测量的应用过程。采用基于GA-BP神经网络理论来建立二噁英排放的软测量模型,通过软测量方法的结果和实际值的分析比较,表明基于GA-BP神经网络的二噁英软测量模型的测量精度较高、容错性好、泛化能力较好,是防止垃圾焚烧过程带来的二次污染有效的方法,为垃圾的焚烧过程控制提供了指导依据。此方法可以有效地应用于其它不能直接测量的工程应用。

基于Bagging半监督深度森林回归的二噁英排放浓度软测量

城市固废焚烧(MSWI)过程产生的副产品之一是被称为“世纪之毒”的二噁英(DXN),受限于其排放浓度检测技术难度以及时间与经济成本等因素,难以获得足量的有标记样本用于构建DXN排放浓度软测量模型。为有效利用现场控制系统采集的大量无标记样本,同时解决传统浅层学习模型泛化性能较差的问题,提出了基于Bagging半监督深度森林回归(DFR)的DXN排放浓度软测量方法。首先,基于Bagging机制以重采样原始标记数据集的方式获得多个训练子集,并构建具有差异性的多个随机森林(RF)模型;接着,将RF模型迭代更新、近邻集合选择和性能评估策略相结合用于获得高置信度伪标记样本;最后,基于伪标记和原始标记样本集构建DFR模型。采用北京某MSWI电厂的实际DXN检测数据验证了所提方法的有效性,结果表明,该方法的预测稳定性较好,其训练、验证和测试集的均方根误差分别为0.015 50、0.020 23和0.019 73。

基于GA-BP的二恶英排放预测模型研究

本文详细介绍了基于遗传算法的人工神经网络在城市生活垃圾直接气化熔融焚烧过程中二恶英排放建模的应用过程。采用基于遗传算法的BP神经网络理论来建立二恶英排放的预测模型,通过不同预测方法比较和实例结果分析,表明基于GA的BP神经网络二恶英模型预测精度较高、容错性好、泛化能力较好,是防止城市生活垃圾焚烧过程带来的二次污染有效的方法,为城市生活垃圾的焚烧过程控制提供了指导依据。此方法可以有效地应用于其它方面的预测应用。

面向城市固废焚烧过程的二噁英排放浓度检测方法综述

焚烧在城市固体废物(Municipal solid wastes,MSW)的无害化、减量化和资源化处理方面优势显著.MSW焚烧(MSW incineration,MSWI)过程副产品之一的剧毒持久性污染物二噁英(Dioxins,DXN)是造成焚烧建厂“邻避效应”的主要原因.DXN排放浓度难以在线实时检测的工业现状已成为制约MSWI过程运行优化与城市环境污染控制的瓶颈.首先,结合典型MSWI过程分析DXN的生成特性与排放控制策略;接着,将DXN排放浓度检测方法从测量原理、复杂度和时间尺度等视角分为离线直接检测法、指示物/关联物在线间接检测法和软测量法并进行综述;然后,对不同方法的发展阶段和关联性进行分析,指出各自的优劣性和相互间的互补性,结合MSWI过程特点归纳基于过程数据进行DXN排放浓度软测量的难点,并将其提炼为一类面向小样本高维稀疏标记数据的智能建模问题;最后,指出进行DXN排放浓度智能软测量的未来研究方向和发展前景.

二噁英类化学物质的在线检测技术研究进展

指出了二噁英类化合物(PCDD/Fs)是一种能够在环境中持续存在的污染物(POPs),具有极强的生物毒性,易存留于脂肪组织,对生物体具有广谱毒性,准确、高效的二噁英检测技术是避免二噁英对人类食品安全与健康造成严重威胁的主要前提,现在二噁英检测技术主要分为离线检测和在线(实时)检测。为此,综述了二噁英类化合物的在线(实时)检测技术的研究进展。