Indexed by：
Abstract：
提供了一种用于 MSWI 过程中 NOx 排放预测的动态模块化神经网络 (DMNN)。 首先,对输入变量进行平滑和标准化。 然后,设计基于主成分分析(PCA)的特征提取方法,实现复杂条件的动态划分,将待处理的预测任务分解为不同条件下的子任务。 此外,针对各个子任务,构建基于长短期记忆(LSTM)的子网络,实现各种工况下NOx排放的准确预测。 最后,采用协作策略来整合子网络的输出,进一步提高预测模型的准确性。 最后,所提出的 DMNN 的优点在城市固体废物焚烧(MSWI)过程的基准和实际工业数据上得到了证实。 有效解决了垃圾焚烧过程中因传感器限制而难以准确预测NOx排放的问题。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： US18/450945
Filing Date： 2023-08-16
Publication Date： 2024-03-07
Pub. No.： US20240078410A1
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
