[发明专利]脱硝系统NOx浓度预测方法、装置、计算机设备和存储介质

权利要求书

1.一种脱硝系统NOx浓度预测方法，其特征在于，所述脱硝系统NOx浓度预测方法包括：

获取运行参数并对所述运行参数进行去噪处理；

基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量；

将所述输入变量输入到预训练的深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值。

2.根据权利要求1所述的脱硝系统NOx浓度预测方法，其特征在于，所述对所述运行参数进行去噪处理，包括以下步骤：

将所述运行参数按一定规则排序；

从前往后依次取若干个相邻的所述运行参数的平均值得到去噪处理结果。

3.根据权利要求1所述的脱硝系统NOx浓度预测方法，其特征在于，所述基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量，包括以下步骤：

确定每个所述运行参数在每个决策树节点中的基尼指数大小；

根据每个所述运行参数在各个决策树节点中的基尼指数的大小确定所述运行参数与NOx浓度的相关度；

选取所述相关度最高的前若干个所述运行参数作用为输入变量。

4.根据权利要求3所述的脱硝系统NOx浓度预测方法，其特征在于，所述基尼指数通过下式确定：

式中，GI表示基尼指数；k为类别个数；P_nk表示类别k在节点n中所占的比例大小。

5.根据权利要求3所述的脱硝系统NOx浓度预测方法，其特征在于，所述运行参数与NOx浓度的相关度通过下式确定：

式中，L表示随机森林中节点的个数；VIM表示变量的重要性；i表示决策树的标号。

6.根据权利要求1所述的脱硝系统NOx浓度预测方法，其特征在于，所述深度学习双向长短时记忆神经网络包括输入层、双向长短时记忆层、全连接层和输出层；

其中，所述输入层的层数等于特征个数，所述全连接层的层数等于响应数。

7.根据权利要求1所述的脱硝系统NOx浓度预测方法，其特征在于，所述深度学习双向长短时记忆神经网络通过以下方法进行训练：

获取运行参数集并对所述运行参数集进行去噪处理；

基于随机森林算法，根据所述运行参数集与NOx浓度的相关度选取若干个所述运行参数作为输入变量，并将所述输入变量划分为训练集以及测试集；

将所述训练集输入到深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值；

根据输入的所述NOx浓度预测值调整所述深度学习双向长短时记忆神经网络的参数直至输出结构满足设定条件；

将所述测试集输入到深度学习双向长短时记忆神经网络进行处理以对所述深度学习双向长短时记忆神经网络进行测试。

8.一种脱硝系统NOx浓度预测装置，其特征在于，所述脱硝系统NOx浓度预测装置包括：

数据获取模块，用于获取运行参数并对所述运行参数进行去噪处理；

选取模块，用于基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量；

处理模块，用于将所述输入变量输入到预训练的深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述脱硝系统NOx浓度预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述脱硝系统NOx浓度预测方法的步骤。