文章摘要:针对燃煤电厂SCR脱硝系统入口NO_X浓度难以测量的问题，提出了基于改进鲸鱼算法（Improved Whale Optimization Algorithm，IWOA）优化双向长短时记忆神经网络（Bi-directional Long Short-Term Memory Neural Network，Bi-LSTM）的SCR入口NO_X浓度预测模型。利用LightGBM进行特征选择，运用最大时间周期的方法计算迟延时间；采用加入Relu层的Bi-LSTM神经网络提取时序特征，建立预测模型，并利用IWOA确定Bi-LSTM的最优超参数，最后与传统Bi-LSTM、LSTM、LightGBM预测模型进行对比验证。仿真结果表明，IWOA-Bi-LSTM模型的均方根误差、平均绝对百分比误差、平均绝对误差最小，能够实现对NO_X浓度的准确预测。

文章关键词:

论文作者:姚宁 金秀章 李阳峰 

论文分类号:X773