基于卷积和优化双向门控循环网络的燃气轮机NOx排放预测OA

针对燃气轮机NOx排放存在难以准确监测的问题,提出基于卷积神经网络和天牛须(beetle antennae search algorithm, BAS)算法优化双向门控循环(CNN-BAS-BiGRU, CNN:convolutional neural networks, BiGRU:bidirectional gated recurrent unit)单元网络的NOx排放预测模型。首先,通过偏最小二乘法计算数据间的相关特性,避免冗余信息影响模型精度;其次,利用卷积神经网络提取时序数据中不同层次的空间信息特征;然后,将数据输入双向门控循环单元网络(BiGRU)进一步挖掘数据的内部规律。针对BiGRU模型参数较难选取的问题,采用BAS算法进行参数寻优。最后,基于UCI机器学习库数据,建立NOx预测模型,并与传统机器学习方法和深度学习模型对比。结果表明,预测精度提高了15%以上,证明文中方法具有更好预测精度。