基于RBFNN的催化再生烟气二氧化硫浓度预测研究

为了提前掌握催化裂化再生烟气中二氧化硫的排放浓度，有效动态指导烟气脱硫设施运行参数调节，研究开展了RBF和BP神经网络在催化裂化再生烟气二氧化硫浓度预测中的应用。通过业务和数据分析，确定了影响再生烟气二氧化硫浓度的工艺特征变量。利用2组采用不同方法清洗的数据，对比分析了RBF和BP神经网络模型在提前15 min情况下，预测再生器出口二氧化硫排放浓度的效果，结果表明2种模型的预测精度分别为90.36%和86.43%。RBF神经网络二氧化硫浓度预测模型经过400个工业样本测试，浓度预测值的最大误差为14.01 mg/m³,最小误差为0.05 mg/m³,平均误差为6.08 mg/m³,满足企业现场应用的要求。