来源：期刊VIP网 时间：
作者：蔡庙辉;吴昌子;郇洪江;李俊;薄翠梅;俞辉;
单位：南京工业大学电气工程与控制科学学院;江苏省生态环境厅;
摘要：针对焚烧炉出口烟气NO_x浓度复杂因素影响较多，传统软测量模型预测精度不足等问题，提出了一种滑动时间窗CNN-LSTM混合神经网络的预测模型，提高NO_x出口浓度的预测精度。以扬州某生活垃圾焚烧炉实际运行工况数据为样本，采用CNN的卷积层和池化层对于输入数据进行特征提取，利用滑动时间窗构建模型输入特征图，获取具有时间依赖性的序列，按照时间序列顺序映射到LSTM中进行预测，将预测结果通过输出层输出。实现结果表明：CNN-LSTM模型的RMSE和MAPE的值分别为11.505%和5.68%,相较于单一的CNN和LSTM模型，RMSE分别降低了18.34%和23.77%,MAPE分别降低了16.02%和22.71%,更有效实现对焚烧炉出口污染物浓度的预测。
关键词：垃圾焚烧炉;NO_x浓度预测;卷积神经网络;长短期记忆网络
基金资助：国家重点研发计划项目(2019YFB1705800); 国家自然基金项目(62173178); 江苏省重点研发计划(BE2021710)
