lmbp神经网络对tio2光催化同时脱硫脱硝效率的预测

1、L M B p 神经网络对雕0 2 光催化同时脱硫脱硝效率的预测 赵毅赵莉新晓洁李娜 ( 华北电力大学环境科漤与置援学院，河毒艺寮绦定0 7 1 0 0 3 ) 摘舞；本文麓改进的嚣P 沸烂潮络L c v c - n l 辩r gM a r q u a r d t ( L M ) 簿渔豫疆。经过调绻。对T i O ：港壤化鞫孵税骧脱硝 效率进群了懒渊磷究。柱疑蛙实虢条髅F 。馊明二兰联B P 神经阏络硬L - M 簿法，骰疆l ? 幂嗣S O ：积N O x 浓隧的 光照纯脆除散鬻。将颡潮绥鬃墨l 】窟骚缩聚及蕊翘B P 算法进行r 拢较。缭裂寝明，谶辣法稳定、姨捷。预测滩确， 碉鹾侠予其他蟀法。 荚键溺；麓0 2 光燃纯剂l 光催化；脱巯脱硝；B P 神经网络lL 制箨涟 L M B Pn e u r a ln e t w o r k p r e d i c t i o no nt h ee f f i c i e n c yo f s i m u l t a n e o n sd e s u l f u r i z a t i o na n dd e n i t r i f i c

2、 a t i o nb a s e do n T i 0 2p h o t o c a t a l y s i s Z H A OM ，Z H A OL i ，J I NX i a o ji e ，L IN a ( S c h o o lo f E n v i r o n m e n t a lS c i 掰豫ea n dE n g i n e e r i n g , N o r t hC h i n aE l e c t r i cP o w e rU n i v e r s i t y - B a o d i n g H e b e i0 7 1 0 0 3 ，C h i n a ) A b s t r a c t ：U s i n ga ni m p r o v e dL e v e n l x r g - - M a r q u a r d ta l g o r i t h m ，t h eB P n e u r a ln e t w o r ki st r a i n e dt o s 嘲毋a n ds i m u l a t et h ee f f i c i e n c

3、yo fs i m u l t a n e o u sd e s u l f u r i z a t i o na n dd e n i t r i f i c a t i o nb a s e do nT i 0 2 P h o t o e a t a l y s i s 。A c c o r d i n gt ot h e 饴啦r e s u l t sa n dt h et h e o r yo f n e u r a ln e t w O 讯t h r e e - l a y e rB P n e u r a l n e t w o r kW i t hL c v e n b e r g - M a r q u a r d ta l g o r i t h m 谵u s e dt op r e d i c tt h ee 艨c i e n e yo f r e m o v a ld i f f e r e n t c o n c e n t r a t i o no fS 0 2a n dN O xo nt h eo p t i m a le x p e r i r a e n

4、 tc o n d i t i o n s 。A n dt h er e s u l t sa r ec o m p a r e dw i t h t h o s ef r o mc o n v e n t i o n a Ic a l c u l a t i o n 撇t h o d s 。I t 趣d e m o n s t r a t e dt h a tt h eL e v e n b e r g - - M a r q u a r d t a l g o r i t h m 稍瞒彰糯i l ys p e e du pt h el e a r n i n gp r o c e s sa n dt h e r e f o r er e d u c et h et r a i n i n gt i m e t h er e s u l t s a l s oi n d i c a t et h a tL e v e n b e r g - M a r q u a r d ta l g o r i t h mi sm u c hf a s t e rt h a nt h eo t h

5、 e ra l g o r i t h m s 。 K e y w o n t s ：T i 0 2p h o t o e a t a l y s t t 曲o t o c a t a l y s i s ，d e s u l f u r i z a t i o na n dd e n i t r i f i c a t i o n , B Pn e u r a ln e 懈。呔， L c v e n b e r g - M a r q u a r d ta l g o r i t h m 燃煤S 0 2 剥N O x 污染控制怒翻翁我圈大气污染控制领域磷究的热点。光傣化剜纳米瓢0 2 甜馕 纯分解纲黼和污染物，照肖离僦纯活性1 1 1 、嶷好的化学穗迩性和热稳邂性【翔、无二淡污染、无绷激性、 蜜全无簿等特点，赵攮疑蠢开发前祭的绿色环僳催化剖之。故把T i 0 2 光催纯剂淑潮予烟气同时脱 簸聪硝嫩鼹歼菠黼最。本文根镞骶0 2 光偻化同时脱巯脱硝褒验，嫠哥M a t l a b 7 。1 ，利羽L e v e n b e r g 俸囊简介；赵毅( 1 9 酾一) ，辩+ 河北赣攀辍秘市

6、人，肇就电力犬攀环境科馨与工程学院院长，教授。博士生蟹晦，耋饕熊 攀犬气污染控制方颟麴磁巍。E - m a i l ：z & a o y i 9 5 1 5 1 6 3 t o m l M a r q u a r d tB p 鳓枷删粼咄( L M B P ) ，经过网络训练，对髓倪光催化同时脱硫脱硝效率避行了预溅。 结果表明，L M B P 神经网络的嚣线性I 爽射能力及快速收敛特性，在一定程度上降低了运算的复杂性， 减少了逶算量，嗣时提高了校正糕度，具有一定的废增推广价值。 | B P 神经翔络模型和k M 算法 l 。lB P 神经网络模型 B p 神经网络( B a c k P r o p a g a t i o n ，谡茇反向抟疆多层前馈神经嘲终) 是目前发展最成熟的一种有导 舜训练的神经时终，邈对非线牲可徽势醺教逃行投值训练的多嫠雕终。作为一种舆有较强蔫 线性映射 能力鹪黧法，广泛的应用于工穗领域和先进技术镁域1 3 , 4 。 网络除输入输出节点外，还有一层或多层的隐层第点，冈层节点中没骞任何耩含。B P 神经网终 出两部分梅成：信悫的正内搀递和误麓的反离传播。在征向抟递

7、中，输入蓿息从辕入绥经隐禽屡透 屡计算传肉输出层，每屡神经元豹状态只影响下一层神经元状番。如果输瞰屡没翦褥载期攫的输出 鲥计算输出层的误差变化值，然癀反囱传播，遥过网络将误差稽号潞礞来的连接通路反翔传网来， 餐改备层神经霓的投值，墼至达到期望的目标。只京鸯一个隐瑶的瓣馈网臻怒一个通用的函数邂避 器p 】。圈1 为菇寮一个戆食餐的三瑟B P 神经嗣络。学习规剜是误差修正，反自传播。 PO to 圈1 三层B P 棒经网络 1 2L M 算法【6 l 在实际应用中，传统的B P 算法撮雅雅任翔此融现了撮多的波进算法。L e v e n b e r g M a r q - 撇算 法( 筒枞算翥b 趋一种科掰标准的数值优化技术的快速算法，怒N e w t o n 法的一种变形，也楚基乎不 诗藏m 麟躺艇障商设计的。H e s s i a n 筑阵可以避议务： 髓警p 善 梯度使用下式计算： g = J r e ( 1 ) 国 其中，J 为l a c o b i a n 矩眸，包含霄网络误差对权德和阀值的一阶罨数，e 为网络误差，该赫幽l 黼矩阵可以 通过标准反虞转播技术迸行计戴复杂程度远小平H

8、 e s 譬i j a n 炬阵。于是， 气+ I = 毪一V f ，+ 以r ，掌 ( 3 当秘为0 酵，该算法转变为N e w t o n 法，使用近叙H 粼i a n 矩阵；当薛报大时，该算法转变为步长糇小 的梯发下耩法。k M 算法的湖练速度犬大翔快。耩要炎盈的内存。侄在当翦的计算桃性能迅逮提藤豹今天， 司以用来锕练投值和鹈傻数疆不超过凡露的神经网络。 2实验 根据髓0 2 光催他撬化盼帆理和特点，实黢掇采用二氯化铁的负载彤残，负载于石英砂土孵纳米二 氯化钛以填料盼方式填充予反魔嚣晦，实验穗钢瓶中的S 0 2 、N O x 、和锄气体，溉念配威模拟 潮气。气体总流量控镧森0 1 2 S m 3 h ，模缀烟气连续遴入酸度嚣。各组努的浓度鞭自转予魏董计读数。 2 蠖拟烟气从气瓶漉粥，通过调节蠢自的流爨，摸拟不同麴烟气状况，从底桶进入催化反艨辫，在模 拟混食烟气的主升过程中，光照前O ：产生的空穴湖电子与烟气巾的农蒸气、辍气形磁一系列 的- 0 2 O H 等添性物藤+ 这些活性物质凡乎笼选择的催化巍化S 0 2 和N O x ，然稀模拟烟气从反戍 器硕端滚出到气体暇收装鬣中，烟气

9、流出经千燥瓶予燥后，通过潮气分析仪。涮溺烟气维分从面计 辣被倦化氧化的N O x 和S 0 2 的效率。烟气成分的澜壤主要使用缝园进豳的M R U 9 5 3 C D 烟气多缀 分分析仪，诳在线浏爨，并溆液龋监臻藤翌承分析绐采。 逶避上述实骏研究。确定了潲0 2 阔时脱硫腿磷实骏的嫩佳菠成蘩件：飘气禽壁两8 。烟气滋度圆l 髀0 ， 紫辨艴1 ( 渡获为2 5 4 7 n 哟，缓佳的照射时问为8 0 r a i n ，礁化削锐钛矿型瓢0 广兜蘸化潮微观性质采 用Y - 2 0 0 0 型X 葑尊线掰辫仪) 负载最为0 。2 7 6 2 9 ，1 0 0 9 主5 ，反感瀣度5 5 。 3神经网络模型的设计与训练 3 ，l 神经网络辕入变量的选取及稗经网络结构的确定 猩爆传燕骢条静下，选建S 0 2 浓度( m g m 3 ) 翱N O r 浓液( m g m 3 ) 作为输入变鼹，将S 0 2 和N O x 的 光耱化脱豫效率为输出燮麓建立个兰璇种经剃络，输入暌为2 个蘩点，其叶_ l 隐禽朕神经元的数目霹以 改变，本文报据实验经簸，选墩选鞭1 9 个节点，输出缮为2 个节点。圈网络采羽的辆挣结褥为2 x 1 0 x 2 。 隐层聚用正切S 形传递函数( t a n s i g ) ，辕出层采用线性传递函数( p u r e l i n ) ，L - M 箨法的调练踊数采耀i r a i n I m 涵数。 3 2 数据的矮处理 洳于参与训练数撰较多熊搬分散，为r 援鳓神经网络的训练效率。弗键翻个好的敉饿磁阵， 翁先对输入数据集邂荦亍楚蘧。可以谍蝴一他处理方法，貅准他处建方法和囊藏分分擀法闭。本姘究采 用的蛏数据的归一化处理，使冀辫入【。ll 】。 炯一化方法可以刹脚黼数p r e n m n x ( 来实现。 麴一他程黪； 【段m i n p ，m a x p ，气m i n t ，m a x t 2p r o m n m x ( p ，t ) ； P 为原始输入数獬矩陈 t 为漾始翻栎数据 致T 分嬲为鼢一化葳的数据 3 ，3 网络的司| l 练 澈2 0 组特征榉本送行i i I 练学习，羧然安黢缀骢设鬻的参数：系撬耪魔为O ，0 0 1 ，步长为1 6 0 0

《lmbp神经网络对tio2光催化同时脱硫脱硝效率的预测》由会员E****分享，可在线阅读，更多相关《lmbp神经网络对tio2光催化同时脱硫脱硝效率的预测》请在金锄头文库上搜索。