基于LSSVM与LSTM的燃煤电厂NOx排放预测研究的开题报告.docx

基于LSSVM与LSTM的燃煤电厂NOx排放预测研究的开题报告
一、研究背景
随着能源消费模式的转变，燃煤电厂等火力发电厂已经成为我国能源系统中的主要供给方式。与此同时，燃煤电厂的排放问题也日益凸显，其中NOx排放是主要的空气污染物之一。为了控制燃煤电厂NOx排放，需要进行准确的预测与控制。
传统的燃煤电厂NOx排放预测方法主要基于统计回归分析，如ARIMA、MA等。而这些方法具有模型假设过于简单、无法捕捉时间序列变化趋势等缺陷，无法准确地预测燃煤电厂NOx排放。因此，一个更为准确、有效的预测模型就显得尤为重要。
二、研究意义
本研究旨在探索一种基于LSSVM与LSTM的燃煤电厂NOx排放预测方法，该方法兼具SVM的非线性预测优势，又能够处理数据的时序性，并通过LSTM层实现适应时间序列变化趋势的目的。采用该方法能够更准确地预测燃煤电厂NOx排放，达到更为有效的控制目的。
三、研究内容与方法
本研究将采用LSSVM与LSTM相结合的方法，对燃煤电厂NOx排放进行建模与预测。具体研究内容如下：
1.收集燃煤电厂NOx排放的相关数据，包括NOx排放量、温度、湿度等因素，并进行数据预处理。
2.利用LSSVM模型对数据进行训练，得到NOx排放趋势的预测模型，并对模型进行评价。
3.构建LSTM层，将LSSVM模型预测的趋势作为初始状态输入，通过调整权重矩阵，适应时间序列变化趋势。最终，得到更为准确的燃煤电厂NOx排放预测结果。
4.对模型进行实验，评估其预测效果和精度，并与其他传统的预测方法进行比较。
四、预期成果
预期本研究的成果包括：
1.对燃煤电厂NOx排放趋势的预测模型，基于LSSVM与LSTM相结合的方法。
2.该模型将能够更准确地预测燃煤电厂NOx排放，并能够适应时间序列变化趋势。
3.对模型进行实验，评估其预测效果和精度，并与其他传统的预测方法进行比较。
五、研究的可行性
本研究的可行性主要体现在：
1.燃煤电厂NOx排放数据能够被获取和处理。
2.LSSVM和LSTM都是经过广泛验证和应用的算法，对于数据预测有较好的效果。
3.现有的计算机硬件和软件条件可满足本研究的需求。
六、研究进度安排
本研究的进度安排如下：
1.2021年6月-7月：收集和处理实验数据。
2.2021年8月-9月：构建LSSVM模型，完成对燃煤电厂NOx排放趋势的预测。
3.2021年10月-11月：构建LSTM层，将LSSVM模型预测的趋势作为初始状态输入，通过调整权重矩阵适应时间序列变化趋势。
4.2021年12月-2022年2月：对模型进行实验，评估其预测效果和精度，并与其他传统的预测方法进行比较。
5.2022年3月-4月：完成论文撰写与提交。
七、结论与展望
本研究的探索具有重要意义，通过将LSSVM与LSTM相结合的方法，能够更准确地预测燃煤电厂NOx排放，为空气污染治理提供有效的手段。未来，我们将进一步探索该方法在其他领域的应用，为实现更高效、更准确的数据预测提供新的思路。