(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111197687.9 (22)申请日 2021.10.14 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 马文超　崔纪翠　黄卓识　刘雪薇　 施娅俊　陈冠益　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 代理人 韩迎之 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G01N 33/00(2006.01) (54)发明名称 一种酸性气体排放浓度预测方法、 系统及存 储介质 (57)摘要 本发明公开了一种酸性气体排放浓度预测 方法、 系统及存储介质， 涉及酸性气体排放浓度 预测技术领域， 根据各地焚烧厂入厂的生活垃圾 组分及焚烧厂工艺流程等数据， 对模 型结构进行 设计， 针对模型输入数据进行预处理， 包括数据 归一化、 缺失值补充； 利用机器学习模型将N组数 据输入， 训练基于自动检测酸性气体排放数据的 机器学习预测模型， 通过输入层、 隐藏层和输出 层的多次迭代后， 最终获得生活垃圾焚烧发电厂 酸性气体的预测浓度值。 实现了基于大数据通过 机器学习对气态污染物的排 放浓度预测。 权利要求书2页 说明书5页 附图2页 CN 113947142 A 2022.01.18 CN 113947142 A 1.一种酸 性气体排 放浓度预测方法， 其特 征在于， 具体步骤 包括如下： 采集数据样本并对所述数据样本进行 预处理， 得到第一数据样本； 将所述第一数据样本分为测试集、 训练集和验证集； 构建机器学习模型； 将所述训练集输入到所述机器学习 模型中进行训练， 将酸性气体排放数据的实际值与 预测值的误差前馈进行模型优化， 得到最终预测模型。 2.根据权利要求1所述的一种酸性气体排放浓度预测方法， 其特征在于， 所述数据样本 包括连续变量、 分类变量、 酸性气体浓度； 所述连续变量为生活垃圾组分， 所述分类变量为 焚烧炉类型； 所述 生活垃圾组分、 焚烧炉类型作为输入数据， 酸 性气体浓度作为输出 数据。 3.根据权利要求2所述的一种酸性气体排放浓度预测方法， 其特征在于， 对输入数据进 行预处理， 包括连续变量预处 理和分类 变量预处 理。 4.根据权利要求3所述的一种酸性气体排放浓度预测方法， 其特征在于， 所述连续变量 预处理的步骤为： 对所述连续变量进行去共线性， 得到第一变量； 将所述第一变量进行归一 化， 得到最终变量。 5.根据权利要求4所述的一种酸性气体排放浓度预测方法， 其特征在于， 所述去共线性 的转化公式为： θn＝arc cos xn 其中， i为生活垃圾组分， xi为生活垃圾组分的含量， n 为生活垃圾组分的种类。 6.根据权利要求3所述的一种酸性气体排放浓度预测方法， 其特征在于， 所述分类变量 预处理的步骤为： 对所述分类 变量进行 数据相关性分析筛 选， 得到不同的变量分组； 通过独热编码对所述变量分组进行重编辑， 形成多维矩阵。 7.根据权利要求1所述的一种酸性气体排放浓度预测方法， 其特征在于， 所述测试集采 用变量并联输入的方式输入所述机器学习模型。 8.根据权利要求1所述的一种酸性气体排放浓度预测方法， 其特征在于， 利用所述测试 集采用均方根 参数作为 误差传递 函数， 构成前馈式机器学习预测模型。 9.一种酸性气体排放浓度预测系统， 其特征在于， 包括数据采集模块、 模型构建模块、 模型训练模块； 其中， 所述数据采集模块， 用于采集数据样本并对所述数据样本进行预处理， 得到第一数据 样本， 将所述第一数据样本分为测试集、 训练集和验证集； 所述模型构建模块， 用于构建机器学习模型； 所述模型训练模块， 用于将所述训练集输入到所述机器学习模型中进行训练， 将酸性 气体排放数据的实际值与预测值的误差前馈进行模型优化， 得到最终预测模型。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质上存储有计算机程序， 所权　利　要　求　书 1/2 页 2 CN 113947142 A 2述计算机程序被处理器执行时实现如权利要求 1‑8中任意一项 所述的一种酸性气 体排放浓 度预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 113947142 A 3