一种基于深度森林回归算法的二噁英排放浓度软测量方法技术

本发明专利技术公开一种基于深度森林回归算法的DXN排放浓度软测量方法，以原始特征作为输入层森林模型的输入，训练4个子森林模型后串行组合子森林模型的预测均值获得层回归向量，将其与原始特征进行特征重组得到增强层回归向量；将增强层回归向量作为中间层森林模型的输入，计算当前层森林模型在验证集上的均方根误差对中间层森林模型深度进行自适应调整，将调整后的输入层的最后一层的森林模型的层回归向量与原始特征组合，将获得增强层回归向量作为中间层森林模型的输出；将增强层回归向量作为输出层森林模型的输入，训练输出层中的4个子森林模型，对输出层的每个子森林模型预测均值进行算术平均获得最终DXN预测值。

【技术实现步骤摘要】
一种基于深度森林回归算法的二噁英排放浓度软测量方法
本专利技术涉及一种基于深度森林回归算法的二噁英排放浓度软测量方法。
技术介绍
城市固体废物(MSW)主要指生活垃圾[1]，每年以8％～10％的速率在持续增加，很多城市正面临着垃圾围城危机[2]。城市固体废物焚烧(MSWI)发电是实现垃圾减量化、资源化、无害化的典型处理方式之一[3]。目前国内MSWI发电厂数量已呈逐年增多的趋势，其中以处理城市固废的炉排炉式焚烧炉占比最大[4]。虽然MSWI装置在我国快速发展，但依旧存在缺少操作经验和污染监督措施、难以达到排放标准等问题[5]。针对这种现象，最为紧要的问题是：如何在满足经济效益的前提条件下控制MSWI过程的污染排放[6]，同时为MSWI过程的运行优化和反馈控制提供真实有效的DXN排放浓度数据[7]。在实际工业过程中，主要通过在线采样与离线实验分析相结合的方法，按照一定的周期进行DXN排放浓度检测，虽然能精确的测量DXN同类物中主要组分的排放浓度[8]，但该方式成本昂贵且周期比较长，导致难以支撑运行参数的实时优化控制以达到使DXN排放浓度最小化的目本文档来自技高网...

【技术保护点】
1.一种基于深度森林回归算法的二噁英排放浓度软测量方法，其特征在于，包括以下步骤：/n步骤1、以原始特征作为输入层森林模型的输入，训练4个子森林模型后串行组合这些子森林模型的预测均值获得层回归向量，将其与原始特征进行特征重组得到增强层回归向量，即中间层森林模型的输入；/n步骤2、将输入层森林模型输出的增强层回归向量作为中间层森林模型的输入，采用与构建输入层森林模型相同的方式构建中间层森林模型，通过计算当前层森林模型在验证集上的均方根误差对中间层森林模型深度进行自适应调整，将调整后的输入层的最后一层的森林模型的层回归向量与原始特征组合，将获得增强层回归向量作为中间层森林模型的输出；/n步骤3、将...

【技术特征摘要】
1.一种基于深度森林回归算法的二噁英排放浓度软测量方法，其特征在于，包括以下步骤：
步骤1、以原始特征作为输入层森林模型的输入，训练4个子森林模型后串行组合这些子森林模型的预测均值获得层回归向量，将其与原始特征进行特征重组得到增强层回归向量，即中间层森林模型的输入；
步骤2、将输入层森林模型输出的增强层回归向量作为中间层森林模型的输入，采用与构建输入层森林模型相同的方式构建中间层森林模型，通过计算当前层森林模型在验证集上的均方根误差对中间层森林模型深度进行自适应调整，将调整后的输入层的最后一层的森林模型的层回归向量与原始特征组合，将获得增强层回归向量作为中间层森林模型的输出；
步骤3、将中间层森林模型输出的增强层回归向量作为输出层森林模型的输入，训练输出层中的4个子森林模型，通过对输出层的每个子森林模型预测均值进行算术平均获得最终的DXN预测值。


2.如权利要求1所述的基于深度森林回归算法的二噁英排放浓度软测量方法，其特征在于，所述原始特征为MSWI过程变量，共为287个变量特征。


3.如权利要求2所述的基于深度森林回归算法的二噁英排放浓度软测量方法，其特征在于，步骤1具体为：首先，对包含诸如炉膛温度、主蒸汽流量、一次风量、二次风量、碳氧化物排放浓度287个特征和DXN排放浓度的训练集进行Bootstrap和RSM采样，得到4个训练集，其中每个训练集包含J个...

【专利技术属性】
技术研发人员：汤健，夏恒，乔俊飞，杜胜利，李晓理，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11