一种基于深度学习的工业气体排放浓度预测方法及系统技术方案

本发明专利技术公开了一种基于深度学习的工业气体排放浓度预测方法及系统，方法包括：工业气体排放数据采集、特征工程、浓度预测影响因素分析、构建工业气体排放浓度预测模型、模型优化和实际应用。本发明专利技术属于工业气体排放技术领域，具体是指一种基于深度学习的工业气体排放浓度预测方法及系统，本方案采用特征工程，考虑选定特征与未选定特征之间的相互作用，计算评价指标，将部分标签集作为互信息的条件，选择新要素时，计算要素的冗余度量；采用构建工业气体排放浓度预测模型，初始化基本模型，计算残差，用于衡量当前模型的预测值相对于真实值的偏差，将回归树拟合到残差并最小化损失函数，搭建集成学习模型。

【技术实现步骤摘要】

本专利技术属于工业气体排放，具体是一种基于深度学习的工业气体排放浓度预测方法及系统。

技术介绍

1、工业气体排放浓度预测是一种利用数据分析和预测模型技术，收集监测工业生产过程中产生的气体排放数据，利用这些数据进行分析建模，预测未来的气体排放浓度水平，旨在帮助环保部门及相关企业实施有效的污染控制措施，减少对环境的影响，确保生产安全。但是现有的工业气体排放浓度预测，存在数据质量不高，预测模型解释性不足，导致数据处理效率低下，鲁棒性较差的技术问题；存在工业气体排放受到多种因素的影响，导致浓度预测准确度降低的技术问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于深度学习的工业气体排放浓度预测方法及系统，针对存在数据质量不高，预测模型解释性不足，导致数据处理效率低下，鲁棒性较差的技术问题，采用特征工程，考虑选定特征与未选定特征之间的相互作用，计算评价指标，将部分标签集作为互信息的条件，避免重叠的信息被计算多次，选择新要素时，计算要素的冗余度量；针对存在工业气体排放受到多种因素的影响，本文档来自技高网...

【技术保护点】

1.一种基于深度学习的工业气体排放浓度预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤S2中，所述特征工程，包括以下步骤：

3.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤S4中，所述构建工业气体排放浓度预测模型，包括以下步骤：

4.根据权利要求3所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤S42中，所述初始化基本模型，包括以下步骤：

5.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方...

【技术特征摘要】

1.一种基于深度学习的工业气体排放浓度预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤s2中，所述特征工程，包括以下步骤：

3.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤s4中，所述构建工业气体排放浓度预测模型，包括以下步骤：

4.根据权利要求3所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤s42中，所述初始化基本模型，包括以下步骤：

5.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤s1中，所述工业气体排放数据采集，包括以下步骤：

6.根据权利要求1所述的一种基于深度学习的工业气体排放浓度预测方法，其特征在于：在步骤s3中，所述浓度预测影响因素分析，包括以下步骤：

7.根...

【专利技术属性】
技术研发人员：许芸，庄柯，陆久民，刘德时，
申请(专利权)人：国家能源集团科学技术研究院有限公司，
类型：发明
国别省市：