基于多变量时序深度网络模型的水泥烟囱NOX预测方法

摘要

本发明公开了一种基于多变量时序深度网络模型的水泥烟囱NOX预测方法，具体步骤包括：根据水泥NOX产生机理、脱硝过程以及排放流程工艺，选取13个变量作为水泥烟囱NOX预测的输入变量，并对多变量时间序列统一进行归一化处理；根据水泥NOX生成过程中多变量时间序列在时域上表现的特征，建立基于深度学习LSTM特征重构模型进行NOX生成过程的本质特征提取；依据水泥烟囱NOX整体工艺流程，建立一种基于多变量时间序列长短时神经网络(LSTM)水泥烟囱NOX预测模型（MT‑LSTMs）；确定模型的初始参数，并对网络模型进行前向训练，然后利用网络主导代价函数误差反向微调进行训练，通过对误差修正来优化模型参数。