基于LSSVM与LSTM的燃煤电厂NOx排放预测研究.docx

基于LSSVM与LSTM的燃煤电厂NOx排放预测研究
基于LSSVM与LSTM的燃煤电厂NOx排放预测研究
摘要：
燃煤电厂是大气污染物NOx排放的主要源之一，对其排放量进行准确预测和控制对于环境保护具有重要意义。本文提出了一种基于LSSVM（LeastSquaresSupportVectorMachines）与LSTM（LongShort-TermMemory）的燃煤电厂NOx排放预测模型。LSSVM用于对燃煤电厂NOx排放量与影响因素进行建模，预测长期趋势；LSTM用于对燃煤电厂NOx排放量与时间序列数据进行建模，预测短期波动。通过实验证明，该模型能够准确预测燃煤电厂NOx排放量，为电厂NOx排放控制提供了有力支持。
关键词：燃煤电厂，NOx排放，LSSVM，LSTM，预测模型
1.引言
燃煤电厂是重要的能源供应单位，然而，它们也是大气污染物排放的重要源之一。NOx排放是燃煤电厂排放的主要污染物之一，对环境和人体健康有害。因此，准确预测和控制燃煤电厂NOx排放量对于环境保护具有重要意义。
2.相关工作
过去的研究中，多数采用传统的统计方法对燃煤电厂NOx排放进行预测。然而，这些方法往往无法捕捉到数据的非线性关系和动态变化。近年来，机器学习和深度学习技术在数据预测方面取得了显著的进展。LSSVM是一种非线性分类与回归方法，适用于处理高维非线性问题，可以用于对影响燃煤电厂NOx排放的因素进行建模。而LSTM则是一种专门用于处理时间序列数据的深度学习模型，能够捕捉到数据的长期依赖和短期波动。
3.方法
本文提出的燃煤电厂NOx排放预测模型由LSSVM和LSTM两部分组成。LSSVM部分用于对燃煤电厂NOx排放量与影响因素进行建模，预测长期趋势。LSTM部分用于对燃煤电厂NOx排放量与时间序列数据进行建模，预测短期波动。
4.实验与结果分析
本文使用了一家燃煤电厂的NOx排放数据进行了实验。实验结果表明，本文提出的燃煤电厂NOx排放预测模型具有较高的预测精度和稳定性。与传统方法相比，该模型能够更准确地预测短期波动和长期趋势。
5.结果与讨论
本文提出的燃煤电厂NOx排放预测模型在实验中取得了较好的效果。模型能够准确预测燃煤电厂NOx排放量，为电厂NOx排放的控制提供了有力支持。然而，本研究还存在一些限制，例如数据量较小、模型参数选择等问题，需要进一步优化和改进。
6.结论
本文提出了一种基于LSSVM与LSTM的燃煤电厂NOx排放预测模型，该模型能够准确预测燃煤电厂NOx排放量的长期趋势和短期波动。该模型为燃煤电厂NOx排放控制提供了有力支持，有助于环境保护和可持续发展。
参考文献：
[1]TangR,HeH,MuQ.AnovelhybridmodelbasedonLSSVMandPSOforthepredictionofNOxemissionincoal-firedutilityboilers[J].EnergyConversionandManagement,2015,89:654-664.
[2]ZhangY,SunMJ,ChengXC.NOxemissionpredictionbasedonLSTM[J].EcologicalEconomy,2017,33(1):195-198.