来源：期刊VIP网 时间：
作者：何为;岳留强;唐智和;栾辉;陈昌照;王若尧;
单位：中国石油集团安全环保技术研究院有限公司QHSE检测中心;中国石油天然气集团有限公司质量健康安全环保部;
摘要：快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数，对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此，以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本，提出一种增加先验知识的CNN-LSTM混合神经网络算法，建立炼化企业污水处理场COD排放浓度预测模型。结果表明，该模型既可发挥CNN较好刻画、提取局部特征信息的优势，又具有LSTM对连续时间序列数据较好继承性的特点，其均方根误差为22.321 7、决定系数为0.873 2,平均相对误差较LSTM网络构建的模型降低5.45%。
关键词：炼化污水处理;;混合神经网络(CNN-LSTM);;COD浓度;;污染排放预测
基金资助：国家重点研发计划“炼化废水全息解析与梯级利用智慧决策平台研究”（2023YFC3206901）;; 中国石油天然气股份有限公司科学研究与技术开发项目“典型炼油化工污水处理场智能化管控技术研究”（2022DJ6904）
