基于LSTM的湿法烟气脱硫浆液pH值建模

• 作者: 景昊 金秀章
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 浆液pH值预测 长短期记忆网络(LSTM) 湿式石灰石-石膏湿法烟气脱硫(WFGD) 时间序列
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 工业自动化技术
• 页码范围: 62-66
• 页数: 5页
• 分类号: TK39|TP183
• 字数: 2411字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.08.012

摘要

针对燃煤电厂湿式石灰石-石膏湿法烟气脱硫(WFGD)过程中浆液pH值测量时间长,不利于WFGD作业的问题,建立高精度的浆液pH值模型.基于深度学习的框架,利用长短期记忆神经网络(LSTM)算法对时间序列处理上的优越性进行建模,该模型具有良好的精确度和泛化能力.将燃煤机组实际运行数据中与浆液pH值变化相关的变量作为模型的辅助变量,建立基于LSTM神经网络的浆液pH值预测模型.对模型进行仿真验证,并分别与BP神经网络模型和最小二乘支持向量机(LSSVM)模型比较,结果表明LSTM神经网络模型的预测精度最高,验证了LSTM神经网络在工业建模中的优良性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金秀章	华北电力大学控制与计算机工程学院	52	391	9.0	17.0
2	景昊	华北电力大学控制与计算机工程学院	1	0	0.0	0.0