开发ANFIS PSO模型估算燃烧烟气中的汞排放
机器学习
2019-10-14 v1 信号处理
摘要
准确预测化石燃料电站排放的汞含量对于环境污染评估和危害缓解至关重要。本文采用自适应神经模糊推理系统与粒子群优化相集成的方法，预测电站锅炉出口烟气中的汞含量。模型的输入参数包括煤特性和锅炉运行参数。数据集采集自若干电厂，并用于训练和测试所提出的模型。为评估所提ANFIS PSO模型的性能，采用了MARE统计指标。此外，给出了实测数据与预测值之间的相对误差，证实了该模型处理非线性以及表征烟气汞含量对煤规格和锅炉类型依赖性的准确性。
引用
@article{arxiv.1910.05118,
title = {Developing an ANFIS PSO Model to Estimate Mercury Emission in Combustion Flue Gases},
author = {Shahaboddin Shamshirband and Masoud Hadipoor and Alireza Baghban and Amir Mosavi and Jozsef Bukor and Annamaria Varkonyi Koczy},
journal= {arXiv preprint arXiv:1910.05118},
year = {2019}
}
备注
31 pages, 7 figures