基于注意力模块化神经网络的城市固废焚烧过程氮氧化物排放预测

氮氧化物(nitrogen oxides,NO_x)浓度的实时精准检测是实现脱硝过程闭环控制的前提，对提高城市固废焚烧(municipal solid waste incineration,MSWI)过程脱硝效率具有重要意义。为此，提出了一种基于注意力模块化神经网络(attention modular neural network,AMNN)的MSWI过程NO_x排放预测方法。首先，模拟脑网络“分而治之”处理复杂任务的特性，利用模糊C均值(fuzzy C-means,FCM)聚类算法将待预测任务划分为多个子任务，从而降低预测任务复杂度；其次，针对各子任务，设计一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)构建子模型，通过神经元增删机制和二阶学习算法提高子模型的学习效率和学习精度；然后，提出了一种基于注意力机制的子模型整合策略，进一步提高预测模型的泛化性能；最后，通过基准实验Mackey-Glass时间序列预测和北京某MSWI厂实际数据验证了AMNN的可行性和有效性。