基于BP神经网络的SCR脱硝效率预测模型研究

论文摘要

近年来,国家日趋加大电力环保的力度,火电厂烟气脱硝技术将得到广泛应用,其中选择性催化还原（SCR）脱硝工艺最为成熟。本文通过分析BP神经网络的网络结构、训练参数的选取及学习规则,建立了基于SCR脱硝小型实验的脱硝效率预测模型。同时,利用Levenberg-Marguardt训练规则进行数据处理,得出了给定条件下的效率预测结果,预测数据与实际实验数据比对表明,该SCR脱硝效率预测模型收敛速度快、预测误差小、精度高,可以较好的实现脱硝效率的预测。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及研究的目的和意义
• 1.2 国内外研究现状
• 1.3 本文的研究内容及目的
• 第2章 SCR 法烟气脱硝技术
• 2.1 SCR 法工艺流程及脱硝原理
• 2.1.1 工艺流程
• 2.1.2 反应原理
• 2.2 影响SCR 法脱硝过程的因素
• 2.2.1 SCR 催化剂
• 2.2.2 还原剂氨
• 2.2.3 空间速度
• 2.3 本章小结
• 第3章 BP 神经网络基本理论
• 3.1 人工神经网络的基础
• 3.1.1 人工神经网络的发展历史
• 3.1.2 人工神经网络的定义
• 3.1.3 人工神经网络的特性
• 3.2 人工神经网络模型
• 3.2.1 人工神经网络原理、模型以及其算法
• 3.3 BP 神经网络
• 3.3.1 BP 网络结构及算法原理
• 3.3.2 BP 网络的训练及训练参数的选取
• 3.3.3 BP 网络的学习规则
• 3.4 本章小结
• 第4章 建立SCR 脱硝效率预测模型
• 4.1 SCR 小型试验
• 4.1.1 实验参数
• 4.1.2 实验数据
• 4.2 网络结构的建立
• 4.3 数据的预处理
• 4.4 模型的建立
• 4.4.1 原始数据的处理
• 4.4.2 建立Matlab 程序
• 4.4.3 模型训练结果及精度分析
• 4.5 本章小结
• 第5章 结论与展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况
• 作者简介
• 详细摘要