[发明专利]一种基于神经网络的二噁英排放在线监测方法

说明书

一种基于神经网络的二噁英排放在线监测方法，属于环保技术领域，包括神经网络模型和热脱附气相色谱耦合可调谐激光飞行时间质谱，所述热脱附气相色谱耦合可调谐激光飞行时间质谱在线检测二噁英指示物浓度，所述神经网络模型接收二噁英指示物浓度，输出二噁英浓度或二噁英毒性当量的预测值；本发明通过神经网络模型和热脱附气相色谱耦合可调谐激光飞行时间质谱在线检测相结合，实现实时监测，有效降低成本，确保数据时效性，同时，在保证训练速度的同时提升原有关联模型的泛化能力和精确度。

技术领域

本发明属于环保技术领域，特别涉及一种基于神经网络的二噁英排放在线监测方法。

背景技术

固废焚烧过程会产生和排放大量有机污染物，其中二噁英具有强烈的致癌性、致畸性、致突变性，是最受公众关注的污染物之一。二噁英属于痕量污染物，难以检测。目前国际公认的二噁英检测方法是采用同位素稀释高分辨率气相色谱与高分辨率质谱联用。但该方法涵盖复杂的采集样品和样品预处理过程，具有经济成本高、时间滞后性高等缺点，限制了检测次数，无法真实反应二噁英的排放水平以及焚烧系统的运行情况。

软测量技术在二噁英在线监测领域有一定的研究。在“用于预测和控制城市垃圾焚化炉排放的多氯二苯并对二噁英和多氯二苯并呋喃的统计模型”和“通过遗传编程和神经网络模型预测城市焚化炉中二噁英/多氯二苯并呋喃的排放”两篇文献中分别提出了多元线性回归模型以及遗传算法优化的多元非线性回归模型，使用一氧化碳浓度、氧气浓度、燃烧室温度等变量预测二噁英浓度。文献[3]采用活性炭喷射量、氯化氢浓度、烟气温度等变量预测二噁英浓度。这些软测量方法的输入特征与二噁英的生成没有直接联系，与二噁英浓度和毒性当量没有明确、稳定的相关性，这使得模型的泛化能力不足，无法提供准确可靠的结果。

发明内容

本发明的目的在于提供一种基于神经网络的二噁英排放在线监测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于神经网络的二噁英排放在线监测方法，包括神经网络模型和热脱附气相色谱耦合可调谐激光飞行时间质谱，所述热脱附气相色谱耦合可调谐激光飞行时间质谱在线检测二噁英指示物浓度，所述神经网络模型接收二噁英指示物浓度，输出二噁英浓度或二噁英毒性当量的预测值。

进一步，所述神经网络模型的具体构建步骤如下：

步骤一：构建数据库；对固废焚烧系统末端二噁英排放进行采集和分析，检测氯苯、氯酚单种同系物作为二噁英指示物；

步骤二：神经网络模型构建前期准备；

步骤三：神经网络模型训练和测试。

进一步，所述步骤一包括如下内容：

S1：采用EPA23a方法检测二噁英排放量数据，作为原始数据，

y＝[y¹,y²,y³…yⁿ]；

其中，y表示二噁英浓度或二噁英毒性当量，yⁿ表示二噁英浓度或二噁英毒性当量的第n个样本；

S2：采用共振增强多光子电离-飞行时间质谱法采用热脱附气相色谱耦合可调谐激光飞行时间质谱在同一采样点同步检测氯苯或氯酚同系物的浓度；其表达式为：

其中，所述表示第i种二噁英指示物的第n个样本，且与yⁿ表示同一时间同一采样点得到的数据。

进一步，所述步骤二包括如下内容：SS1：计算二噁英指示物于二噁英浓度或二噁英毒性当量之间距离相关系数，取值范围为[0,1]，公式如下：