华南理工大学学报(自然科学版)

作者：姚顺春, 李龙千, 刘文, 李峥辉, 周安鹂, 李文静, 陈姜宏, 卢志民

单位：1.华南理工大学 电力学院，广东 广州 5106402.广州环投花城环保能源有限公司，广东 广州 510830

关键词：垃圾焚烧,选择性催化还原,排放浓度预测,最大信息系数,主成分分析,长短期记忆神经网络

基金：国家重点研发计划项目(2024YFC3909002);国家重点研发计划子课题项目(2024YFC3909004-02);广东省能源高效清洁利用重点实验室项目(2013A061401005)

垃圾焚烧过程选择性催化还原（SCR）脱硝系统出口NO x 排放浓度的准确预测对提高数据质量和喷氨控制水平具有重要意义。垃圾焚烧过程存在显著的非线性、多变量耦合和时间序列特性，给NO x 排放浓度的精准预测带来了巨大挑战。针对此问题，该文将最大信息系数（MIC）、主成分分析（PCA）和长短期记忆（LSTM）神经网络相结合，提出了一种SCR脱硝系统出口NO x 排放浓度预测模型。首先，采用MIC方法计算各变量间的最大归一化互信息值，选择和NO x 排放浓度相关性较大的特征变量，再结合最大冗余原则剔除冗余变量。随后，基于PCA方法获得各主成分方差的累计贡献率，提取主成分特征，得到最优输入特征变量集。最后，利用LSTM神经网络建立SCR出口NO x 排放浓度预测模型。结果表明，相比反向传播神经网络模型和支持向量机模型，该文提出的模型具有最优的预测精度和泛化能力，其测试集平均绝对百分比误差为6.33%，均方根误差为4.71 mg/m3，决定系数为0.90。研究结果为实现垃圾焚烧过程SCR脱硝系统的喷氨智能控制提供了理论基础。

来源：2025年第7期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第7期