资料下载
×
NGSAII-GPR模型在碳排放短期预测中的应用
消耗积分:0 |
格式:rar |
大小:0.92 MB |
2018-12-10
分享资料个
针对于采矿过程中以电机为研究对象的碳排放来源的复杂性以及其影响因素的多样性引起的碳排放短期预测精度不高的问题，结合灰色理论提出一种基于NGSAII-GPR模型的铅锌矿采矿过程碳排放预测方法。首先，对碳排放来源及其影响因素进行分析，采用灰色理论进行聚类分析以归并同类因素；其次，根据灰色关联性分析得到主要影响因素；最后，为解决超参数优化确定问题，将带精英策略的非支配排序遗传算法（NGSAII）引入到高斯过程回归（GPR）模型，提出了一种基于NGSAII-GPR的预测模型。经实验证明，相较于其他超参数优化确定方法，NGSAII能更好地对超参数进行优化确定，且相较于其他常规预测模型，NGSAII-GPR能更精确的预测铅锌矿采矿过程的碳排放量，其预测误差更小。
人类生产活动导致的温室气体排放，特别是化石燃料燃烧所产生的碳排放是导致全球气候上升的主要原因。工业生产活动当中产生的大量的碳使得碳排放问题显得尤为突出。如今，与碳排放相关的研究层出不穷，包括碳成本、碳排放量计算以及碳交易市场等，但对于具体的某工业生产过程的碳排放研究却寥寥无几。实际上对碳排放量的准确预测能合理使用碳排放设备，提高经济效益，节能减排。而对矿山企业来说，以采矿过程为主，因而将其作为研究重点。
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
