[發明專利]一種城市固廢焚燒過程二噁英排放濃度預測模型構建方法

在審

• 申請號: 202011282974.5
• 申請日: 2020-11-17
• 公開（公告）號: CN112464544A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 湯健;王丹丹;郭子豪;喬俊飛
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G06F30/28;G01N33/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 吳蔭芳

本發明公開一種基于粒子群算法和虛擬樣本生成的城市固廢焚燒過程二噁英排放濃度預測模型構建方法；首先，基于改進整體趨勢擴散技術對原始小樣本輸入及輸出進行域擴展；然后，采用等間隔插值方式生成虛擬樣本輸入，再結合映射模型獲得虛擬樣本輸出，并結合擴展空間對虛擬樣本進行刪減；接著，基于PSO對刪減后的虛擬樣本進行優化選擇；最后，使用優化選擇后的虛擬樣本與原始小樣本組成的混合樣本構建得到DXN預測模型。

技術領域

本發明屬于城市固廢焚燒技術領域，尤其涉及一種基于粒子群算法和虛擬樣本生成的城市固廢焚燒過程二噁英排放濃度預測模型構建方法。

背景技術

城市固廢焚燒(MSWI)技術是目前應用最廣泛的城市固體廢棄物資源化處理手段。當前最為緊要的問題是控制MSWI過程的污染物排放，尤其是實時預測并控制被稱為目前世界上最強毒性污染物----二噁英(DXN)的排放。此外，DXN也是造成MSWI電廠存在“鄰避效應”的主要原因。考慮通過優化控制運行參數實現DXN排放的最小化，所以實現DXN排放濃度的在線測量十分必要。

目前，DXN排放濃度檢測主要面向MSWI過程末端煙囪所排放的煙氣G3進行。常用檢測手段有：1)基于高分辨氣相色譜-高分辨率質譜聯機(HRGC/HRMS)的離線直接檢測法，該方法需實驗室化驗分析，存在滯后時間尺度大(周)等特點。此外，受DXN高檢測費用的制約，企業多以月/季或按需以不確定周期檢驗DXN排放濃度；2)在線間接檢測法，通過檢測作為指示物/關聯物的高濃度化學物質(如單氯苯等)，再利用映射模型計算DXN濃度。該方法使用在線的煙氣檢測和化驗分析，具有滯后時間尺度居中(小時)等特點，但由于檢測設備復雜且價格昂貴、映射模型依賴DXN離線直接化驗法等缺點，使得該方法難以應用與推廣。3)軟測量法，構建以關鍵過程變量和常規污染物濃度為輸入的數學模型，以實現DXN排放濃度的在線實時檢測。顯然，前兩種方法難以支撐MSWI過程運行參數優化控制以限制DXN的實時排放濃度。但是由于DXN排放濃度檢測難度大、周期長、費用高，以及MSWI過程的復雜性，使得獲取構建模型所需的有標記真實樣本(真輸入-真輸出)十分稀缺。

數據驅動建模一般用于數據足夠豐富及數據獲取成本相對較低的情況。但面對的MSWI過程DXN排放濃度預測問題，其具有樣本獲取難度大、成本高等確定，是典型的“小樣本建模問題”(一般樣本數量小于30被稱為“小樣本問題”)。由于樣本集難以反映真實的工藝流程特性，導致難以建立有效的預測模型。除此之外，工業流程數據具有很強的非線性、噪聲、缺失值和不確定性，這使得數據驅動模型難以有效地提取數據中的信息和知識。因此，面向工業流程的小樣本建模問題要考慮如何克服上述數據特性以構建預測模型。目前，多種機器學習方法用于小樣本集建模，包括基于灰度的方法、支持向量機(SVM)、核回歸和貝葉斯網絡等。在訓練樣本數量不充足、分布稀疏且分布不平衡的情況下，上述算法會出現“過擬合”現象，即泛化性能不足、魯棒性不強和預測精度不佳等問題。

解決上述問題的手段之一是通過合理有效地擴充樣本數量、擷取小樣本信息間隙中潛在的信息產生一定數量的虛擬樣本，以便提高模型的學習能力、泛化能力和對總體空間特征的表征能力。針對真實樣本與虛擬樣本分布間的關系的研究表明，VSG的本質是通過“填充”期望樣本空間分布中不完整、不平衡信息以實現樣本擴充。通常采用的方法是采用噪聲注入方式的、基于遺傳算法和粒子群優化(PSO)等算法優化生成虛擬樣本、基于神經網絡隱含層映射等技術。上述方法所生成的虛擬樣本中仍然存在冗余，即仍舊存在“壞”虛擬樣本，不利于模型構建。

發明內容