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.

基于改进大趋势扩散和隐含层插值的虚拟样本生成方法及应用

针对获取复杂工业过程的难以检测质量或环境污染指标数据的时间和经济成本高导致有标记建模样本稀缺的问题,提出了基于改进大趋势扩散和隐含层插值的虚拟样本生成(VSG)方法,并将其应用于城市固废焚烧过程的二英(DXN)排放预测。首先,采用基于子区域欧氏距离改进大趋势扩散(MTD)方法对真实样本输入/输出空间进行扩展;接着,采用等间隔插值方式生成虚拟样本输入,再结合映射模型和删减机制获得虚拟样本输出;然后,采用基于正则化改进的随机权神经网络隐含层插值依次得到虚拟样本输出和输入,再结合扩展空间对虚拟样本进行删减;最后,将上述具有互补性的虚拟样本与原始真实样本进行混合,实现建模数据容量扩充。通过基准数据集和工业过程DXN数据验证了所提方法的有效性和合理性。

基于主动学习机制GAN的MSWI过程二噁英排放风险预警模型

针对构建城市固废焚烧(municipal solid waste incineration,MSWI)过程剧毒污染物二噁英(dioxin,DXN)排放风险预警模型的样本极为稀少的问题,提出一种基于主动学习机制生成对抗网络(generative adversarial network,GAN)的DXN排放风险预警建模方法.首先,以DXN风险等级作为条件信息使得GAN生成候选虚拟样本;然后,利用基于最大均值差异和多视角可视化分布信息的主动学习机制进行虚拟样本的初筛和评估,以获得期望虚拟样本;最后,基于混合样本构建DXN排放风险预警模型.通过基准数据集和MSWI过程数据集验证了所提方法的有效性.基于主动学习机制GAN的DXN排放风险预警建模方法可以有效解决样本稀少的问题,提高模型精度.

联合多窗口检测的MSWI过程二噁英排放预测模型

二噁英(DXN)是城市固废焚烧过程(MSWI)排放的难以实时检测的剧毒污染物.MSWI过程的时变特性导致软测量模型的在线预测性能降低.针对上述问题,本文提出一种联合多窗口检测的DXN排放在线预测方法.首先,联合数据标准化、在线预测窗口实现新样本的DXN排放预测,再联合离群样本检测、特征空间检测和输出空间检测窗口实现漂移样本的识别.然后,对上述漂移样本进行去冗处理并判断其数量是否满足预设定的阈值,若满足则构建新模型,否则继续采用历史模型.最后,采用MSWI过程数据验证了所提方法的有效性.