[发明专利]一种基于LSTM的SCR出口氮氧化物浓度预测方法

权利要求书

1.一种基于LSTM的SCR出口氮氧化物浓度预测方法，其特征在于，所述SCR出口氮氧化物浓度预测方法采用改进的互信息特征选择算法，考虑相关性和冗余性进行辅助变量筛选，基于最终确定的辅助变量建立LSTM预估模型。

2.根据权利要求1所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述改进的互信息特征选择算法在循环挑选辅助变量过程中，考虑已选变量个数|S|，将1/|S|作为权重，同时将待选变量和主导变量之间的关联性加入到待选变量之间的关联性当中。

3.根据权利要求2所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述改进的互信息特征选择算法的表达式如下：

上式中，|S|表示已选特征变量个数；MR是在已选变量集S中，f_i相对S_j的最小冗余量，其公式如下：

如果I(f_i；c)＝0，则该特征变量f_i将被剔除；如果f_i和S_j同主导变量之间均存在较大关联性，但f_i和S_j之间也存在高度冗余性，则f_i也会被剔除。

4.根据权利要求3所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述改进的互信息特征选择算法在循环挑选辅助变量过程中，先预先设定阈值TH＝0和G_MI比较，倘若G_MI≤0，则认为当前变量f_i和主导变量之间没有多大关联，故剔除；倘若G_MI≥0，则会保留此f_i进入待选变量集。

5.根据权利要求4所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述改进的互信息特征选择算法最终确认的辅助变量为：锅炉负荷、总煤量、一次风总量、二次风总量、AB层二次风门挡板开度、烟气含氧量、烟气温度。

6.根据权利要求1至5任一所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述LSTM预估模型的建立使用Keras框架，并采用Adam优化算法。

7.根据权利要求6所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述LSTM预估模型网络层数为2，隐层的神经元个数为100。

8.根据权利要求7所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述Adam优化算法的学习率η＝0.003，训练次数为2000次。

9.根据权利要求8所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述LSTM预估模型的批量样本个数b＝50。

10.根据权利要求9所述的SCR出口氮氧化物浓度预测方法，其特征在于，所述LSTM预估模型将输入样本数据进行标准化处理，并将处理后的数据按8：2划分为训练集和测试集。