基于IHHO-LSTM的SCR脱硝反应器出口NO_(x)浓度预测

针对燃煤电厂SCR脱硝反应器出口氮氧化物浓度测量存在较大迟延,以及吹扫阶段数据失真等问题,提出一种基于改进哈里斯鹰算法(Improved Harris hawk optimization,IHHO)和长短时记忆神经网络(Long short-term memory neural network,LSTM)的NOx浓度预测模型。首先利用最大信息系数对不同输入变量进行迟延时间估计,并通过最大相关最小冗余算法完成输入变量的选择并重构输入特征序列。然后,使用重构数据来完成LSTM模型的建立,并利用IHHO对网络相关参数进行优化。最后将所建模型的预测结果与未进行特征选择的IHHO-LSTM模型、进行特征选择后的HHO-LSTM模型和LSTM模型进行验证对比。结果表明,相较于其他预测模型,所提的IHHO-LSTM模型预测精度更高,具有较好的动态特性。