收录：
摘要：
一种基于动态模块化神经网络的MSWI过程NOx排放预测方法属于智能建模领域。首先，对输入变量，并进行平滑处理和归一化；然后，设计了一种基于主成分分析PCA的工况特征提取方法，实现了复杂工况的动态划分，从而将待处理的预测任务分解为不同工况下的子任务；此外，针对不同的子任务，构建基于长短期记忆(Long short‑term memory，LSTM)神经网络的子模型，实现对各工况下NOx排放的精准预测；最后，采用协同合作策略对子模型的输出进行整合，进一步提高了预测模型的精度。基于工业基准测试和实际运行数据评估了基于DMNN的预测模型的有效性，本发明有效解决了受传感器限制，MSWI过程NOx排放浓度难以准确预测的问题。
关键词：
通讯作者信息：
电子邮件地址：
