[发明专利]一种基于生成路径聚类与Box-Cox变换的二噁英排放在线预测方法

说明书

本发明公开了一种基于生成路径聚类与Box‑Cox变换的二噁英排放在线预测方法，涉及二噁英预测领域，包括以下步骤：S1，建立数据集；S2，聚类分析，根据不同二噁英排放浓度区中不同二噁英生成路径起主导作用，划分得到不同聚类的初始数据集；S3，得到最优变换系数λ；S4，建立最终模型，将步骤S3获得的最优变换系数λ作为二噁英排放数据的变换系数，根据最小二乘法求解变换后的二噁英毒性当量与在线测量氯苯浓度x_i之间的线性模型系数，建立预测模型。该方法参数少，外推性能稳定，是理想的预测模型，而且，所开发的方法有利于在类似具有二噁英排放的焚烧过程中实现二噁英排放的在线测量，以及限制排放的反馈控制。

技术领域

本发明涉及二噁英预测领域，尤其涉及一种基于生成路径聚类与Box-Cox变换的二噁英排放在线预测方法。

背景技术

常规方法通过采样烟气检测焚烧过程产生的二噁英排放，之后经过了一周多的实验室预处理和高分辨率气相色谱/高分辨率质谱法分析。由于常规方法包括索氏提取、纯化和浓缩等实验过程，导致检测成本高昂，周期长。因此针对焚烧过程的二噁英监测频次至少每年一次。传统的测量方法难以满足公众实时获取二噁英排放的要求。较长的检测周期无法实时控制焚烧厂的运行条件和所投加的燃料组成，从而达到二噁英减排的目的。

快速、准确的二噁英在线检测技术提供了快速、连续的反馈，不仅大大降低了二噁英检测的成本，并优化了运行条件以防止二噁英的生成。在过去的十年中，通过共振增强多光子电离耦合飞行质谱法检测高浓度指示物是可行有效的方法，低氯苯(二氯苯，三氯苯)是与二噁英国际毒性当量有良好相关性的最合适指标。特别是，不同的研究人员认为1，2，4-三氯苯与二噁英排放的相关性很好(R²0.91)。基于如神经网络的机器学习的通过除指示物之外的大量观测变量和控制变量来预测二噁英排放，但是，小样本高维度数据集的机器学习的超多参数限制了该方法无法验证有效性，从而导致了只能在特定焚烧厂特定情况应用的局限性。

发明内容

本发明的目的在于提供一种基于生成路径聚类与Box-Cox变换的二噁英排放在线预测方法，使参数少，外推性能稳定。

为实现上述目的，本发明提供如下技术方案：一种基于生成路径聚类与Box-Cox变换的二噁英排放在线预测方法，包括以下步骤：

S1，建立数据集，测量烟气净化系统后的氯苯浓度，收集二噁英样本，经实验室按标准分析后并计算二噁英的毒性当量，生成二噁英的毒性当量与氯苯浓度的数据集，并建立线性回归模型；

S2，聚类分析，根据不同二噁英排放浓度区中不同二噁英生成路径起主导作用，划分得到不同聚类的初始数据集；

S3，得到最优变换系数λ，对初始数据集进行Box-Cox变换，获取不同聚类的最优变换系数λ；

S4，建立最终模型，将所述步骤S3获得的最优变换系数λ作为二噁英排放数据的变换系数，根据最小二乘法求解变换后的二噁英毒性当量与在线测量氯苯浓度x_i之间的线性模型系数，建立预测模型。

进一步的，所述步骤S2中，求得136种二噁英各自合成途径中的特征同系物占比变化，结合各生成路径占比与二噁英排放毒性当量的Pearson相关系数，将所述步骤S1中的数据集聚类分析获得边界值B，依据边界值B划分出不同聚类的初始数据集。

进一步的，所述步骤S3中，对于二噁英排放毒性当量q0，采用以下公式：其中q_i^t代表二噁英毒性当量经过Box-Cox变换后的值，q_i代表焚烧过程中二噁英排放毒性当量，λ代表二噁英排放浓度的最优变换系数。