公开(公告)号：CN113112072A

公开(公告)日：2021-07-13

申请号：CN202110398542.9

申请日：2021-04-12

Applicant: 上海电力大学

Inventor： 华文新 ,  钱玉良 ,  蔡可天 ,  方紫筠 ,  陈罗量 ,  陆星

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  G01N33/00

Abstract: 本发明公开了一种基于深度双向LSTM的NOx排放含量预测方法，包括，通过遗传算法对发电机组动态工况的影响因素进行主元分析，选择影响氮氧化物排放含量的独立变量；将独立变量进行归一化处理，而后初始化深度双向长短期记忆网络的神经单元细胞状态，并将神经单元细胞状态输入到双向长短期记忆网络神经元的第一层，进而构建双向长短期记忆网络模型；通过双向长短期记忆网络模型计算出口氮氧化物含量的预测值P；根据预测值P计算损失函数值，并更新双向长短期记忆网络的参数，直至损失函数值降到最低时结束更新；本发明解决了长时间序列的梯度消失以及梯度爆炸问题，实现数据的深层次特征挖掘。