近年來,我國深化改革力度不斷加強,環(huán)境保護受到了越來越多的關注。石油煉化企業(yè)需要相應地提高環(huán)境管理水平,保障生產(chǎn)過程符合相應的政策要求,杜絕重大環(huán)境污染事件發(fā)生。催化裂化裝置是煉化企業(yè)主要污染物排放源,并且催化裂化反應機理復雜,污染物的排放存在不確定性。如何根據(jù)催化裂化裝置的生產(chǎn)要素和歷史排污數(shù)據(jù),預測其未來的變化趨勢,減少排污的不確定性變得非常重要。有效的污染物排放預測可以為石油煉化企業(yè)生產(chǎn)計劃和決策提供依據(jù),保障生產(chǎn)過程符合國家環(huán)保標準,使企業(yè)的利益最大化。本文首先整理了中外學者關于污染預測的研究近況和神經(jīng)網(wǎng)絡的發(fā)展歷程。簡單介紹了常用的統(tǒng)計學預測方法和幾種經(jīng)典的機器學習方法,并重點介紹了卷積神經(jīng)網(wǎng)絡和長短時記憶網(wǎng)絡的算法原理。然后以催化裂化裝置排放的氮氧化物為例,將機器學習模型應用于其污染物排放預測。催化裂化裝置污染物排放的預測本質上是屬于多變量的時間序列預測問題,本文結合卷積神經(jīng)網(wǎng)絡和長短時記憶網(wǎng)絡,設計出了一種卷積長短時記憶網(wǎng)絡的混合預測模型,通過實驗確定網(wǎng)絡參數(shù)。最后通過實驗,將所設計的卷積長短時記憶網(wǎng)絡與其他典型的機器學習算法進行對比,驗證了卷積長短時記憶網(wǎng)絡預測模型在催...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

本文編號：3879059