首页|基于LSTM-XGBoost组合的脱硫效率模型预测

基于LSTM-XGBoost组合的脱硫效率模型预测

扫码查看
原文链接
  • 万方数据
  • 维普
在石灰石-石膏湿法脱硫系统中影响脱硫效率的主要因素有浆液pH值、液气比(L/G)、钙硫比(Ca/S)、烟气流量和原烟气SO2浓度等.基于电厂实际运行数据,利用LSTM-XGBoost组合预测算法来预测脱硫系统的脱硫效率,并采用平均绝对误差MAE、均方误差MSE、均方根误差RMSE和决定系数R2等模型评价指标对其准确性进行验证.实验证明,基于LSTM-XGBoost组合预测的脱硫效率与电厂实际脱硫效率非常接近,精确度高,对火力发电具有指导意义.
Prediction of Desulfurization Efficiency Model Based on LSTM-XGBoost Combination

limestone-wet flue gas desulfurizationdesulfurization efficiency predictionLSTM-XGBoost combined prediction algorithm

易中彪

展开 >

华北电力大学控制与计算机工程学院,北京 102206

石灰石-湿法烟气脱硫 脱硫效率预测 LSTM-XGBoost组合预测算法

2024

10.19768/j.cnki.dgjs.2024.02.010

电工技术
重庆西南信息有限公司（原科技部西南信息中心）

电工技术

影响因子：0.177
ISSN：1002-1388
年,卷(期)：2024.(2)
  • 9