催化裂化裝置工藝復(fù)雜,調(diào)整工藝參數(shù)極易發(fā)生連鎖反應(yīng),采用傳統(tǒng)的集總模型對污染排放進(jìn)行預(yù)測的難度較大。針對煉化企業(yè)海量生產(chǎn)數(shù)據(jù)和污染排放數(shù)據(jù)多參數(shù)多變量相互耦合的特點(diǎn),利用主成分分析（PCA,Principal Component Analysis）對NO_x排放要素進(jìn)行特征選擇,確定原料中氮含量、反應(yīng)溫度、劑油比、停留時間等為關(guān)鍵生產(chǎn)要素;基于長短期記憶（LSTM,Long Short-Term Memory）網(wǎng)絡(luò)建立NO_x排放預(yù)測模型,對某350萬t重油催化裂化裝置NO_x排放進(jìn)行預(yù)測,與卷積神經(jīng)網(wǎng)絡(luò)（CNN,Convolutional Neural Networks）、支持向量機(jī)（SVM,Support Vector Machine）以及BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Networks）進(jìn)行了對比分析。結(jié)果表明,由于考慮了時間序列內(nèi)部的數(shù)據(jù)特性,LSTM的平均絕對誤差、均方根誤差、皮爾遜相關(guān)系數(shù)和可決系數(shù)等指標(biāo)均優(yōu)于其他方法。 

【文章來源】：西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,35(04)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
引 言
1 特征選擇
2 長短期記憶網(wǎng)絡(luò)
3 模型構(gòu)造及評價
4 模型預(yù)測結(jié)果及其對比分析
5 結(jié) 語


【參考文獻(xiàn)】：
期刊論文
[1]基于孤立森林模型的企業(yè)用水異常檢測研究[J]. 巫朝星.  企業(yè)科技與發(fā)展. 2019(11)
[2]特征選擇方法綜述[J]. 李郅琴,杜建強(qiáng),聶斌,熊旺平,黃燦奕,李歡.  計(jì)算機(jī)工程與應(yīng)用. 2019(24)
[3]利用近似馬爾科夫毯的最大相關(guān)最小冗余特征選擇算法[J]. 張俐,王樅,郭文明.  西安交通大學(xué)學(xué)報(bào). 2018(10)
[4]基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型在地下水埋深預(yù)測中的應(yīng)用——以蒙城縣為例[J]. 陳笑,王發(fā)信,戚王月,周婷.  水利水電技術(shù). 2018(04)
[5]基于PCA和SVM的高光譜遙感圖像分類研究[J]. 張亮.  光學(xué)技術(shù). 2008(S1)
[6]干旱內(nèi)陸河流水質(zhì)預(yù)測人工神經(jīng)網(wǎng)絡(luò)模型研究[J]. 邵東國,王忠靜,李元紅,張新民.  灌溉排水. 1999(04)

博士論文
[1]油氣井安全生產(chǎn)監(jiān)控?cái)?shù)據(jù)預(yù)測預(yù)警系統(tǒng)及算法研究[D]. 邵彥超.北京郵電大學(xué) 2016

碩士論文
[1]環(huán)境在線監(jiān)測態(tài)勢數(shù)據(jù)融合預(yù)測分析研究[D]. 劉樹成.山東大學(xué) 2012
[2]數(shù)據(jù)挖掘技術(shù)在環(huán)境保護(hù)綜合管理系統(tǒng)中的應(yīng)用[D]. 吳貴華.華南理工大學(xué) 2011



本文編號：3025920