买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种烟尘浓度预测方法、装置及介质，根据机组的小时煤耗量计算出每批入炉煤的烟尘排放量作为模型的标签值，通过训练模型能够生成入炉煤数据和其对应的烟尘排放量之间的一般规律，准确识别物料与烟尘排放量之间的关系，减轻人工核算核查的工作量，并为CEMS烟尘监测数据提供参考依据。同时使用Adam算法优化BP神经网络，能够自动调整每个参数的学习率，快速高效地对模型进行训练。本发明可以解决现有技术中容易出现测量误差、人工核算核查复杂的问题，从而达到对燃煤电厂烟尘排放精准计量，减小人工工作量的目的。

主权项：1.一种烟尘浓度预测方法，其特征在于，所述方法包括：对原始数据进行清洗，所述原始数据包括入炉煤的煤质以及数量数据和烟尘小时排放数据；根据机组的小时煤耗量，依次计算每批入炉煤对应的烟尘排放量，将每批入炉煤的煤质数据、数量数据和烟尘排放量进行归一化处理得到数据集；构建预测模型，利用所述数据集对所述预测模型进行训练，以训练好的预测模型实现烟尘浓度预测；所述预测模型为BP神经网络，所述BP神经网络包括输入层、至少一个隐藏层和输出层，所述BP神经网络的权重初始化的方式采用Glorot均匀分布初始化，阈值初始化为0，选取Relu函数作为BP神经网络的激活函数；所述利用所述数据集对所述预测模型进行训练，具体包括：将所述数据集按照设定比例拆分得到训练数据集和测试数据集；将训练数据集输入至所述BP神经网络中，通过前向传播计算隐藏层及输出层的输入和输出；根据mse计算公式计算输出层预测结果的误差，所述mse计算公式表示为： 其中mse表示均方误差，y为真实值，为预测值，n是总样本数；将误差进行反向传播，基于Adam优化器，通过如下公式对模型参数进行优化，调整隐藏层及输出层之间的连接权值和阈值：mt＝β1·mt-1+1-β1·dkvt＝β2·vt-1+1-β2·dk2 其中mt-1,vt-1为迭代之前的一阶矩估计，mt,vt为迭代之后的一阶矩估计，β1,β2为指数加权平均参数，dk代表权重w和阈值b的梯度，α为学习率，ε为防止分母为0的常数，wt-1,bt-1为待训练的权重和阈值，wt,bt为训练好的权重和阈值；重复前向传播至反向传播的步骤，直至达到预设的训练次数；利用测试数据集对训练好的BP神经网络进行评价；所述利用测试数据集对训练好的BP神经网络进行评价，具体包括：在模型训练完成后，输入测试数据集，通过前向传播计算得到预测值，并采用均方误差MSE、均方根误差RMSE、平均绝对误差MAE和决定系数R2来对预测结果进行评价，计算公式如下： 其中，SSR表示回归平方和，SST表示总离差平方和。

全文数据：

权利要求：

百度查询： 湖南工商大学 烟尘浓度预测方法、装置及介质