【技术实现步骤摘要】
本专利技术涉及co排放预测，特别是涉及双空间嵌套双窗口漂移检测的co排放预测方法及系统。
技术介绍
1、城市固废(msw)的产生量随城市的快速发展而不断增加，对环境的可持续发展带来了巨大挑战。msw焚烧(mswi)技术在解决因“垃圾围城”造成的环境危机的同时还能够产生能源，其已成为世界范围内多数国家处理msw的主要方式。研究表明，mswi的减质率、减容率和能量回收率可达到70％、90％和19％，表明了其在经济和环境保护方面所具有的巨大潜在价值。因此，mswi过程在低碳、环保和可持续能源等领域均发挥着关键作用，已经成为世界各国生态文明建设和循环经济体系中的重要产业。虽然mswi具有诸多优势，但其同时也是公认的污染排放源之一。作为典型的复杂工业过程，mswi过程包含多个依次连续运行且不可中断的阶段，其中任何环节的运行失稳都将导致污染气体排放超标。因此，由于mswi对环境和健康存在潜在影响，导致公众对该技术的接受度还有待提升。
2、无色、无味的一氧化碳(co)是mswi过程产生的有毒副产品之一，与其意外或故意接触可能会导致中毒，此外co排放浓度还与mswi过程的稳定运行和燃烧效率密切相关。目前，对污染排放进行实时监控和预测已成为满足公众监督需求和确保mswi企业生产安全稳定运行要求的最有效策措施。虽然可以通过烟气自动监控系统(cems)实时检测co排放浓度，但工业领域专家更加关注如何预测co排放浓度的变化趋势，以便于提前采取相关操纵策略以保持污染排放浓度满足国家和工艺要求。因此，人工智能构建复杂工业过程运行指标预测模型中的
3、但是，msw组分的未知不确定性波动、运行中领域专家的高频干预性和经验的差异性、焚烧设备的维护和老化等因素导致mswi过程的工况漂移具有复杂的动态时变特性。工业过程中的这种难以克服和预见的工况波动体现在数据流随时间的分布变化上，学术界将其称为概念漂移。因此，如何实现co的高精度预测，并解决概念漂移的问题，成为亟需解决的问题。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的是提供双空间嵌套双窗口漂移检测的co排放预测方法及系统，通过结合误差空间固定内窗口和特征空间固定外窗口，并利用k-means提取典型数据，可以对含有噪声的数据进行快速漂移检测，并在快速漂移时动态更新历史预测模型，使co的预测结果更加准确。
2、为实现上述目的，本专利技术提供了双空间嵌套双窗口漂移检测的co排放预测方法，包括以下步骤：
3、利用k均值算法，获取历史数据集的典型样本数据集，基于所述典型样本数据集分别构建离线预测模型和特征空间漂移检测模型；
4、利用鲁棒主成分分析，计算所述典型样本数据集的控制限；
5、利用快速霍夫丁漂移检测方法，计算所述历史数据集的控制限；
6、结合基于误差空间内窗口的快速漂移检测方法和基于固定周期特征空间外窗口的特征空间鲁棒漂移检测方法，对在线测试数据集进行检测，分别得到快速霍夫丁漂移样本和鲁棒主成分漂移样本；
7、结合所述快速霍夫丁漂移样本和所述鲁棒主成分漂移样本，得到并集，再对所述并集进行更新，以实现co排放浓度的预测。
8、可选的，离线预测模型和特征空间漂移检测模型的构建过程为：
9、计算所述历史数据集的样本均值和标准差，将所述历史数据集进行标准化，再利用最小化聚类相似度，基于标准化的历史数据集建立典型样本池，所述典型样本池经过k均值算法得到典型样本数据集；
10、基于所述典型样本数据集，利用长短期记忆神经网络构建离线预测模型，利用鲁棒主成分分析方法构建特征空间漂移检测模型。
11、可选的，利用鲁棒主成分分析，计算所述典型样本数据集的控制限的过程为：
12、将所述典型样本数据集的原数据矩阵分解为低秩矩阵和噪声矩阵，采用交替方向法解决矩阵分离问题，再采用迭代策略最小化所述低秩矩阵和所述噪声矩阵，根据所述低秩矩阵的主成分建立t2和spe控制限，消除co排放监测过程中的噪声数据。
13、可选的，利用快速霍夫丁漂移检测方法，计算所述历史数据集的控制限的过程为：
14、计算所述离线预测模型的输出预测值与真实值之间的误差，判断所述离线预测模型的输出预测值是否预测准确，并计算预测准确率，将所述预测准确率作为漂移检测控制限。
15、可选的，基于误差空间内窗口的快速漂移检测方法的过程为：
16、基于所述在线测试数据集，将所述在线测试数据集中的新样本输入到所述离线预测模型中得到所述新样本的预测值，利用快速霍夫丁漂移检测方法在误差空间内窗口上计算所述新样本的预测准确率，并与预定义的历史预测准确率阈值进行比较，取较大值；
17、计算内窗口误差率，并与预定义的内窗口误差率阈值进行比较，当所述内窗口误差率大于所述预定义的内窗口误差率阈值时，则表示漂移产生，此时合并所述历史数据集与误差空间内窗口中预测不准确的数据集，以实现所述离线预测模型的在线更新；
18、通过更新后的离线预测模型进行co浓度预测，当检测到的最新样本与外窗口的长周期大小相同时，结束检测，输出快速霍夫丁漂移样本。
19、可选的，基于固定周期特征空间外窗口的特征空间鲁棒漂移检测方法的过程为：
20、基于所述在线测试数据集，利用鲁棒主成分分析方法，在固定周期特征空间外窗口内计算样本的t2和spe值，将所述t2和spe值与预定义的控制限进行比较并进行漂移检测，当所述t2和spe值大于所述预定义的控制限时，则表示偏离正常运行条件，此时输出鲁棒主成分漂移样本。
21、可选的，结合所述快速霍夫丁漂移样本和所述鲁棒主成分漂移样本，得到并集，再对所述并集进行更新，以实现co排放浓度的预测的过程为：
22、当新样本未产生漂移时，则将新样本返回至新固定周期特征空间外窗口期，并利用所述离线预测模型进行预测；
23、当新样本产生漂移时，结合所述快速霍夫丁漂移样本和所述鲁棒主成分漂移样本，得到第一并集，再将所述第一并集与所述历史数据集进行结合，得到第二并集；利用k均值算法在所述第二并集中选择典型样本，得到漂移典型样本数据集，基于所述漂移典型样本数据集更新所述离线预测模型和所述特征空间漂移检测模型的t2和spe控制限，以实现下一外窗口的co排放预测和概念漂移检测。
24、本专利技术还提供了双空间嵌套双窗口漂移检测的co排放预测系统，包括：
25、模型训练模块，用于利用k均值算法，获取历史数据集的典型样本数据集，基于所述典型样本数据集分别构建离线预测模型和特征空间漂移检测模型；
26、指标计算模块，用于利用鲁棒主成分分析，计算所述典型样本数据集的控制限，利用快速霍夫丁漂移检测方法，计算所述历史数据集的控制限；
27、误差空间内窗口检测模块，用于得到快速霍夫丁漂移样本；
28、特征空间外窗口检测模块，用于得到鲁棒主成分漂移样本；...
【技术保护点】
1.双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，离线预测模型和特征空间漂移检测模型的构建过程为：
3.根据权利要求2所述的双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，利用鲁棒主成分分析，计算所述典型样本数据集的控制限的过程为：
4.根据权利要求3所述的双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，利用快速霍夫丁漂移检测方法，计算所述历史数据集的控制限的过程为：
5.根据权利要求4所述的双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，基于误差空间内窗口的快速漂移检测方法的过程为：
6.根据权利要求5所述的双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，基于固定周期特征空间外窗口的特征空间鲁棒漂移检测方法的过程为：
7.根据权利要求6所述的双空间嵌套双窗口漂移检测的CO排放预测方法，其特征在于，结合所述快速霍夫丁漂移样本和所述鲁棒主成分漂移样本，得到并集，再对所述并集进
8.双空间嵌套双窗口漂移检测的CO排放预测系统，其特征在于，包括：
9.根据权利要求8所述的双空间嵌套双窗口漂移检测的CO排放预测系统，其特征在于：
...【技术特征摘要】
1.双空间嵌套双窗口漂移检测的co排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的双空间嵌套双窗口漂移检测的co排放预测方法，其特征在于，离线预测模型和特征空间漂移检测模型的构建过程为：
3.根据权利要求2所述的双空间嵌套双窗口漂移检测的co排放预测方法，其特征在于，利用鲁棒主成分分析，计算所述典型样本数据集的控制限的过程为：
4.根据权利要求3所述的双空间嵌套双窗口漂移检测的co排放预测方法，其特征在于，利用快速霍夫丁漂移检测方法，计算所述历史数据集的控制限的过程为：
5.根据权利要求4所述的双空间嵌套双窗口漂移检测的co排放预测方...
【专利技术属性】
技术研发人员：汤健，张润雨，夏恒，王天峥，乔俊飞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。