双向门控循环神经网络的SO_(2)排放浓度预测模型

摘要

火力发电站脱硫系统数据具有大惯性和延时性等特点,且影响SO_(2)排放浓度的因素众多。为此,建立了基于双向门控循环神经网络(biGRU)的SO_(2)排放浓度预测模型。以分析得到的主成分为输入变量,SO_(2)排放浓度为输出变量,通过训练对脱硫系统SO_(2)排放浓度数据进行预测,并进行比较。结果表明,与传统的RNN以及LSTM模型相比,biGRU模型能够获得较高的预测精度,其对称平均绝对百分比误差相较于RNN和LSTM分别下降了4.235%,0.718%,其均方根误差分别下降了1.942,0.443 mg/Nm^(3)。该模型预测误差较低,泛化能力较好,具有较高的实际应用价值,有利于实现排放控制和节能减排。