基于MIC-PCA-LSTM模型的垃圾焚烧炉NO_(x)排放浓度预测.pdfVIP

华南理工大学学报（自然科学版）

第53卷第7期JournalofSouthChinaUniversityofTechnologyVol.53No.7

2025年7月（NaturalScienceEdition）July2025

doi：10.12141/j.issn.1000-565X.240519

基于MIC-PCA-LSTM模型的垃圾焚烧炉

NO排放浓度预测

x

112†11111

姚顺春李龙千刘文李峥辉周安鹂李文静陈姜宏卢志民

（1.华南理工大学电力学院，广东广州510640；2.广州环投花城环保能源有限公司，广东广州510830）

摘要：垃圾焚烧过程选择性催化还原（SCR）脱硝系统出口NO排放浓度的准确预测对

x

提高数据质量和喷氨控制水平具有重要意义。垃圾焚烧过程存在显著的非线性、多变

量耦合和时间序列特性，给NO排放浓度的精准预测带来了巨大挑战。针对此问题，该

x

文将最大信息系数（MIC）、主成分分析（PCA）和长短期记忆（LSTM）神经网络相结合，

提出了一种SCR脱硝系统出口NO排放浓度预测模型。首先，采用MIC方法计算各变量

x

间的最大归一化互信息值，选择和NO排放浓度相关性较大的特征变量，再结合最大冗

x

余原则剔除冗余变量。随后，基于PCA方法获得各主成分方差的累计贡献率，提取主

成分特征，得到最优输入特征变量集。最后，利用LSTM神经网络建立SCR出口NO排

x

放浓度预测模型。结果表明，相比反向传播神经网络模型和支持向量机模型，该文提

出的模型具有最优的预测精度和泛化能力，其测试集平均绝对百分比误差为6.33%，均

3

方根误差为4.71mg/m，决定系数为0.90。研究结果为实现垃圾焚烧过程SCR脱硝系统

的喷氨智能控制提供了理论基础。

关键词：垃圾焚烧；选择性催化还原；排放浓度预测；最大信息系数；主成分分析；

长短期记忆神经网络

中图分类号：TM621；TK39文章编号：1000-565X（2025）07-0001-10