Print

基于PCA-LMBP神经网络模型的SCR脱硝催化剂工艺特性预测

论文摘要

为了利用烟气脱硝催化剂几何及理化特性实现对催化剂固定工况下脱硝效率和活性的预测,本文分析了选择性催化还原（SCR）脱硝催化剂工艺特性与几何及理化特性之间的关联特征,利用相关系数矩阵分析、主成分分析（PCA）简化输入参数,提出改进的神经网络预测模型。通过大量样本数据的训练,建立了催化剂脱硝效率和活性的PCA-LMBP神经网络预测模型,利用该模型对实际测量数据进行模拟预测。模型预测结果与实际值对比表明,所建立的PCA-LMBP神经网络预测模型具有较高的准确性,对于烟气脱硝催化剂性能检测、质量监控及相关的技术服务有指导意义。

论文目录

  • 1 催化剂特性的实验室测试
  •   1.1 催化剂几何特性
  •   1.2 催化剂理化特性
  •     1.2.1 主要化学成分检测
  •     1.2.2 微量元素检测
  •     1.2.3 比孔容及最可几孔径检测
  •     1.2.4 比表面积检测
  •     1.2.5 理化特性对催化剂性能的影响
  •   1.3 工艺特性
  •   1.4 试验数据预处理
  • 2 PCA和LMBP神经网络模型
  •   2.1 主成分分析及计算
  •   2.2 LMBP神经网络建立及计算
  • 3 结语

    • 文章来源

    类型: 期刊论文

    作者: 林正根,姚杰,庄柯,金定强,吴碧君

    关键词: 烟气脱硝,催化剂,主成分分析,神经网络,脱硝效率,工艺特性,活性

    来源: 热力发电 2019年11期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

    专业: 环境科学与资源利用,动力工程,电力工业

    单位: 国电环境保护研究院有限公司

    基金: 国家重点研发计划项目(2016YFC0208102)~~

    分类号: X773

    DOI: 10.19666/j.rlfd.201904091

    页码: 108-114

    总页数: 7

    文件大小: 887K

    下载量: 149

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/8e920295c56c327a13948fee.html