资料下载
×
基于BP神经网络和SVM的电厂粉尘浓度在线监测
消耗积分:2 |
格式:rar |
大小:1.72 MB |
2018-02-07
分享资料个
长久以来，燃煤电厂都是环保监察的重点单位，这要求电厂要更加严格的控制各种污染物的排放量。国家针对电厂的各项排放物都制定了严格的指标。虽然可以通过运行状况大致控制排放浓度，但不能及时确定是否超标，所以实现在线监测非常有必要。粉尘，众所周知，既污染环境，易导致雾霾、浮尘和酸雨等恶劣天气；又危害人体健康，引发呼吸道疾病，甚至致癌。因此本文以粉尘排放浓度为例，探索建立污染物排放在线检测模型。
目前，多数电厂采用的是离线取样的过滤称重法。国内外也有一些在线测量方法，如电容法、口射线法、光散射法，还有各类粉尘浓度传感器。但受检测原理、仪器校准和操作规范等条件的限制，测量会有较大误差。因此软测量技术被引入，来弥补仪表等硬件的不足。软测量就是利用数学的映射思想，利用人工智能建立各种模型，模拟出己知数据与期望数据间的映射关系引。常用的建模方法有人工神经网络、支持向量机、模糊数学和自适应模拟等。本文选择BP神经网络和支持向量机（SVM）法进行建模，并用某600 MW机组的实际运行数据进行模拟验证。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
