一种城市固废焚烧过程二噁英排放浓度预测模型构建方法技术

本发明专利技术公开一种基于粒子群算法和虚拟样本生成的城市固废焚烧过程二噁英排放浓度预测模型构建方法；首先，基于改进整体趋势扩散技术对原始小样本输入及输出进行域扩展；然后，采用等间隔插值方式生成虚拟样本输入，再结合映射模型获得虚拟样本输出，并结合扩展空间对虚拟样本进行删减；接着，基于PSO对删减后的虚拟样本进行优化选择；最后，使用优化选择后的虚拟样本与原始小样本组成的混合样本构建得到DXN预测模型。建得到DXN预测模型。建得到DXN预测模型。

【技术实现步骤摘要】
一种城市固废焚烧过程二噁英排放浓度预测模型构建方法


[0001]本专利技术属于城市固废焚烧
，尤其涉及一种基于粒子群算法和虚拟样本生成的城市固废焚烧过程二噁英排放浓度预测模型构建方法。

技术介绍

[0002]城市固废焚烧(MSWI)技术是目前应用最广泛的城市固体废弃物资源化处理手段。当前最为紧要的问题是控制MSWI过程的污染物排放，尤其是实时预测并控制被称为目前世界上最强毒性污染物
----
二噁英(DXN)的排放。此外，DXN也是造成MSWI电厂存在“邻避效应”的主要原因。考虑通过优化控制运行参数实现DXN排放的最小化，所以实现DXN排放浓度的在线测量十分必要。
[0003]目前，DXN排放浓度检测主要面向MSWI过程末端烟囱所排放的烟气G3进行。常用检测手段有：1)基于高分辨气相色谱-高分辨率质谱联机(HRGC/HRMS)的离线直接检测法，该方法需实验室化验分析，存在滞后时间尺度大(周)等特点。此外，受DXN高检测费用的制约，企业多以月/季或按需以不确定周期检验DXN排放浓度；2)在线间接检测法，通过检测作为指示物/关联物的高浓度化学物质(如单氯苯等)，再利用映射模型计算DXN浓度。该方法使用在线的烟气检测和化验分析，具有滞后时间尺度居中(小时)等特点，但由于检测设备复杂且价格昂贵、映射模型依赖DXN离线直接化验法等缺点，使得该方法难以应用与推广。3)软测量法，构建以关键过程变量和常规污染物浓度为输入的数学模型，以实现DXN排放浓度的在线实时检测。显然，前两种方法难以支撑MSWI过程运行参数优化控制以限制DXN的实时排放浓度。但是由于DXN排放浓度检测难度大、周期长、费用高，以及MSWI过程的复杂性，使得获取构建模型所需的有标记真实样本(真输入-真输出)十分稀缺。
[0004]数据驱动建模一般用于数据足够丰富及数据获取成本相对较低的情况。但面对的MSWI过程DXN排放浓度预测问题，其具有样本获取难度大、成本高等确定，是典型的“小样本建模问题”(一般样本数量小于30被称为“小样本问题”)。由于样本集难以反映真实的工艺流程特性，导致难以建立有效的预测模型。除此之外，工业流程数据具有很强的非线性、噪声、缺失值和不确定性，这使得数据驱动模型难以有效地提取数据中的信息和知识。因此，面向工业流程的小样本建模问题要考虑如何克服上述数据特性以构建预测模型。目前，多种机器学习方法用于小样本集建模，包括基于灰度的方法、支持向量机(SVM)、核回归和贝叶斯网络等。在训练样本数量不充足、分布稀疏且分布不平衡的情况下，上述算法会出现“过拟合”现象，即泛化性能不足、鲁棒性不强和预测精度不佳等问题。
[0005]解决上述问题的手段之一是通过合理有效地扩充样本数量、撷取小样本信息间隙中潜在的信息产生一定数量的虚拟样本，以便提高模型的学习能力、泛化能力和对总体空间特征的表征能力。针对真实样本与虚拟样本分布间的关系的研究表明，VSG的本质是通过“填充”期望样本空间分布中不完整、不平衡信息以实现样本扩充。通常采用的方法是采用噪声注入方式的、基于遗传算法和粒子群优化(PSO)等算法优化生成虚拟样本、基于神经网络隐含层映射等技术。上述方法所生成的虚拟样本中仍然存在冗余，即仍旧存在“坏”虚拟
样本，不利于模型构建。

技术实现思路

[0006]目前应用广泛的城市固体废物资源化处理技术城市固废焚烧(MSWI)过程会排放具有高毒性、持久性等污染特性的二噁英(DXN)类化合物，这也是导致焚烧电厂具有“邻避效应”的主要原因之一。目前，工业现场采用的长周期、高成本的离线检测方式无法实现DXN排放浓度的实时监测，而用于构建排放预测模型的样本数量极为稀缺。针对上述问题，本申请提出基于粒子群算法(PSO)和虚拟样本生成(VSG)的MSWI过程DXN排放浓度预测模型构建方法。首先，基于整体趋势扩散技术对原始小样本输入进行域扩展；然后，采用等间隔插值方式生成虚拟样本输入，再结合映射模型获得虚拟样本输出，并结合扩展空间对虚拟样本进行删减；接着，基于PSO对删减后的虚拟样本进行优化选择；最后，使用优化选择后的虚拟样本与原始小样本组成的混合样本构建得到DXN预测模型。
附图说明
[0007]图1基于炉排炉的城市固废焚烧工艺流程；
[0008]图2所提PSO-VSG的策略图；
[0009]图3基于PSO的虚拟样本选择流程图；
[0010]图4输入特征域扩展前后比对及域扩展率；
[0011]图5等间隔插值生成虚拟样本删减前后数量对比；
[0012]图6经PSO样本选择前后虚拟样本数量对比；
[0013]图7原始样本、候选虚拟样本、PSO选择后虚拟样本、混合样本分布情况；
[0014]图8运行30次的建模测试性能对比图。
具体实施方式
[0015]本申请提出基于PSO和VSG的MSWI过程DXN排放浓度预测模型构建方法。首先，基于改进MTD技术对原始小样本各输入特征及输出进行域扩展；然后，采用等间隔插值方式生成虚拟样本输入，再结合映射模型获得虚拟样本输出，并结合扩展空间边界对虚拟样本进行删减；接着，基于PSO算法对删减后的虚拟样本进行优化选择；最后，使用筛选出的虚拟样本与原始小样本组成的混合样本构建预测模型。
[0016]面向DXN排放的MSWI工艺描述
[0017]国内某厂的炉排炉焚烧工艺流程如图1所示：
[0018]由图1可知，MSW由专用的运输车收集后运至卸料大厅，倾倒至密封的存放池内；由人工操控的吊斗将MSW放入焚烧炉进料斗内，给料机将其推至炉排炉；在焚烧炉的炉排内依次经历干燥、点燃、燃烧和烧尽四个阶段，其中：燃尽后的残渣掉入水冷渣斗内，再由输渣机将其推入炉渣池内，收集后送至填埋场处理；焚烧产生的烟气由废热锅炉转换为高压蒸汽并推动汽轮机组发电，锅炉出口的待处理烟气进入脱酸反应器进行中和反应，并在反应器入口处添加石灰和活性炭以吸附其中的DXN和重金属，其中：飞灰进入飞灰储仓，烟气进入布袋除尘器；烟气在袋式除尘器中被除去烟气颗粒物、中和反应物和活性炭吸附物，处理后分为三个部分，其中：尾部飞灰进入灰仓后再运走进行无害化处理，部分烟灰混合物在混合
器中加水后重新进入脱酸反应器，尾部烟气则由引风机经烟囱排入大气，排放的尾气中含有HCL、SO2、NOx、HF和DXN等质。
[0019]由上述过程产生的DXN形态包括焚烧灰、飞灰和排放气体3种，其中：焚烧灰量最大但DXN含量较低、飞灰量稍小但DXN浓度较焚烧灰高，该两类需进行特殊处理；排放气体中的DXN浓度为最高，包括垃圾不完全燃烧和新规合成反应生成(de novo syhthesis)两类。为保证有毒有机物的有效分解，焚烧烟气应达到至少850℃并保持至少2秒。在烟气处理阶段，石灰和活性炭被喷射进入反应器用以移除酸性气体和吸附DXN以及某些重金属，再经袋式过滤器过滤后通过引风机排入烟囱；此外，该阶段存在的DXN记忆效应会导致排放浓度增加。通常，上述炉内焚烧和烟气处理阶段中与DXN产生和吸本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市固废焚烧过程二噁英排放浓度预测模型构建方法，其特征在于，包括：如下步骤：步骤1、基于改进整体趋势扩散技术对原始小样本输入及输出进行域扩展；步骤2、采用等间隔插值方式生成虚拟样本输入，再结合映射模型获得虚拟样本输出，并结合扩展空间对虚拟样本进行删减；步骤3、基于PSO对删减后的虚拟样本进行优化选择；步骤4、使用优化选择后的虚拟样本与原始小样本组成的混合样本构建得到DXN预测模型。2.如权利要求1所述的城市固废焚烧过程二噁英排放浓度预测模型构建方法，其特征在于，步骤1具体为：(1)样本输入的区域扩展首先，对小样本训练集进行划分，基于MTD方法得到pth列小样本数据x
p
的均值将小样本数据集x
p
分为大于均值的和小于均值的和小于均值的接着，选取x
p
的最大值和最小值作为扩展中心；然后，求解和的平均值和最后，采用改进MTD方法对样本空间进行扩展，对于样本集x
p
，其上限和下限由下式估算，由下式估算，其中，表示中的最大值和平均值之间的欧氏距离，表示中最小值和平均值之间的欧氏距离；rate
high
和rate
low
分别是样本特征的上、下扩展偏度，定义为：rate
high
＝N
high
/(N
high
+N
low
)
ꢀꢀ
(3)rate
low
＝N
low
/(N
high
+N
low
)
ꢀꢀ
(4)其中，N
high
和N
low
分别表示样本特征中大于和小于其均值的数量；(2)样本输出的区域扩展采用上述相同方法扩展样本输出。首先，计算原始输出数据集的平均值y
ave
；接着，将原始数据集划分为大于平均值的y
high
和小于平均值的y
low
两个部分；接着，选择原始数据集输出y
small
的最大值y
max
和最小值y
min
作为扩展中心；然后，求解y
high
和y
low
的平均值y
H-ave
和y
L-ave
；最后，采用下式计算原始样本集输出y
small
的上限y
vsg-max
和下限y
vsg-min
：：其中，d
y-high
＝||y
H-ave-y
max
||表示y
high
的最大值y
max
和平均值y
H-ave
之间的欧氏距离；表示y
low
的最小值y
min
和平均值y
L-ave
之间的欧氏距离；y
vsg-min-know
表示由已知
经验确定的DXN排放浓度下限值。3.如权利要求1所述的城市固废焚烧过程二噁英排放浓度预测模型构建方法，其特征在于，步骤2具体为：首先，采用等间隔插值技术生成虚拟样本输入，对于小样本数据空间，选择两组相邻样本进行信息间隔插值。假定对每组相邻样本以相等间隔生成N
equal
组数据，以第pth个变量中的第nth和第(n+1)th样本为例，具体实现如下式所示：的第nth和第(n+1)th样本为例，具体实现如下式所示：其中，N
equal
是小样本数据集的扩展倍数，以上描述针对原始空间的等间隔插值，类似地，结合虚拟样本域扩展上下限，分别对下扩展域空间和上扩展域空间进行等间隔插值得到虚拟样本输入；接着，采用随机权神经网络(RWNN)作为映射模型获得虚拟样本输出，如下所示：其中，Γ
map
(
·
)表示映射函数，ω
equal

【专利技术属性】
技术研发人员：汤健，王丹丹，郭子豪，乔俊飞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：