Indexed by：
Abstract：
一种基于动态模块化神经网络的MSWI过程NOx排放预测方法属于智能建模领域。首先，对输入变量，并进行平滑处理和归一化；然后，设计了一种基于主成分分析PCA的工况特征提取方法，实现了复杂工况的动态划分，从而将待处理的预测任务分解为不同工况下的子任务；此外，针对不同的子任务，构建基于长短期记忆(Long short‑term memory，LSTM)神经网络的子模型，实现对各工况下NOx排放的精准预测；最后，采用协同合作策略对子模型的输出进行整合，进一步提高了预测模型的精度。基于工业基准测试和实际运行数据评估了基于DMNN的预测模型的有效性，本发明有效解决了受传感器限制，MSWI过程NOx排放浓度难以准确预测的问题。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202210994681.2
Filing Date： 2022-08-18
Publication Date： 2022-11-01
Pub. No.： CN115271245A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 12
Affiliated Colleges：
