您的检索：
学者姓名：汤健
精炼检索结果：
年份
成果类型
收录类型
来源
综合
曾用名
合作者
语言
清除所有精炼条件
摘要 ：
本发明提供了一种面向颗粒物生成的城市固废焚烧3D数值建模分析方法，该方法首先从实际设计图纸获取焚烧厂信息后构建焚烧炉与余热锅炉的3D模型，结合机理和经验确定影响颗粒物生成的关键因素为固体MSW燃烧温度、壁面颗粒碰撞方式和第二挡板长度，接着描述3D模型的求解方法，然后对所述关键因素基于3D模型进行单因素分析，最后基于正交实验分析所述关键因素对出口处颗粒物浓度的影响，获得最佳参数组合。本发明提供的面向颗粒物生成的城市固废焚烧3D数值建模分析方法，能够实现城市固废燃烧3D模型搭建，能够针对颗粒物进行数值建模分析，进而研究影响颗粒物浓度特性的因素。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 梁永琪 , 夏恒 et al. 面向颗粒物生成的城市固废焚烧3D数值建模分析方法 : CN202310620061.7[P]. | 2023-05-29 . |
| MLA | 汤健 et al. "面向颗粒物生成的城市固废焚烧3D数值建模分析方法" : CN202310620061.7. | 2023-05-29 . |
| APA | 汤健 , 梁永琪 , 夏恒 , 梁文林 , 乔俊飞 . 面向颗粒物生成的城市固废焚烧3D数值建模分析方法 : CN202310620061.7. | 2023-05-29 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种MSWI过程CO排放预测方法，该方法首先进行面向约简深度特征和LSTM优化的粒子设计，能够依据建模数据特点自适应确定特征选择阈值范围，其次将采用超一维卷积进行非线性特征提取后的深度特征输入至LSTM以构建预测模型，基于损失函数对卷积层和LSTM超参数进行更新，以模型的泛化性能作为优化算法的适应度函数，最后采用粒子群优化(PSO)算法依据数据特性进行自适应的特征和超参数选择。本发明提供的MSWI过程CO排放预测方法，能够基于约简深度特征和LSTM优化实现MSWI过程中的CO排放预测。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 张润雨 , 夏恒 et al. 一种MSWI过程CO排放预测方法 : CN202310620063.6[P]. | 2023-05-29 . |
| MLA | 汤健 et al. "一种MSWI过程CO排放预测方法" : CN202310620063.6. | 2023-05-29 . |
| APA | 汤健 , 张润雨 , 夏恒 , 杜胜利 , 乔俊飞 . 一种MSWI过程CO排放预测方法 : CN202310620063.6. | 2023-05-29 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提出了基于多目标粒子群优化半监督随机森林的MSWI过程二噁英排放浓度软测量方法。离线检测二噁英DXN的高时间和经济成本导致用于构建其软测量检测模型的有标记样本极为稀缺。首先，进行面向混合优化的半监督算法超参数和伪标记样本选择编码设计；接着，初始化并解码粒子后进行面向模型泛化性能和伪标记样本数量双目标的适应度评估，其过程包括基于有标记样本构建RF模型、获取伪标记样本、选择伪标记样本、基于混合样本构建RF模型和评估适应度与最优存档；然后，判断寻优终止条件，若不满足则更新PSO参数，否则基于Pareto解集获取最优解；最后，基于优选混合样本集构建RF模型。通过基准和实际工业过程数据集验证了方法的有效性。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 徐雯 , 夏恒 et al. 基于多目标粒子群优化半监督随机森林的MSWI过程二噁英排放浓度软测量方法 : CN202310001902.6[P]. | 2023-01-03 . |
| MLA | 汤健 et al. "基于多目标粒子群优化半监督随机森林的MSWI过程二噁英排放浓度软测量方法" : CN202310001902.6. | 2023-01-03 . |
| APA | 汤健 , 徐雯 , 夏恒 , 乔俊飞 . 基于多目标粒子群优化半监督随机森林的MSWI过程二噁英排放浓度软测量方法 : CN202310001902.6. | 2023-01-03 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种城市固废焚烧过程炉温场域建模方法，包括：根据实际的MSWI过程构建数值模型；根据所述数值模型确定输入变量，并对基于输入变量进行正交试验和多工况实验，得到数值仿真结果；对所述数值仿真结果进行数据预处理，得到虚拟测温；基于DFR‑clfc算法，根据所述虚拟测温构建炉温场域模型；针对所述炉温场域模型进行多维度分析。本发明能够准确预测炉膛内的温度分布，弥补了实际工业过程中热电偶测温数据缺失的局限性。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 陈佳昆 , 夏恒 et al. 一种城市固废焚烧过程炉温场域建模方法 : CN202310217468.5[P]. | 2023-03-08 . |
| MLA | 汤健 et al. "一种城市固废焚烧过程炉温场域建模方法" : CN202310217468.5. | 2023-03-08 . |
| APA | 汤健 , 陈佳昆 , 夏恒 , 乔俊飞 . 一种城市固废焚烧过程炉温场域建模方法 : CN202310217468.5. | 2023-03-08 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种基于改进生成对抗网络的二噁英排放浓度软测量方法，包括：将MSWI过程数据输入至缺失数据划分模块进行划分，得到输入特征和目标特征；将所述输入特征和所述目标特征输入至对抗生成数据填充模块进行数据填充，得到填充数据；将所述填充数据和二噁英排放浓度实验数据输入至输入输出数据匹配模块进行数据匹配，得到建模数据；将所述建模数据输入至改进的深度森林回归模块进行建模和预测，得到浓度预测值。本发明能够提高二噁英排放浓度软测量的多样性和准确性。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 崔璨麟 , 夏恒 et al. 一种基于改进生成对抗网络的二噁英排放浓度软测量方法 : CN202310003714.7[P]. | 2023-01-03 . |
| MLA | 汤健 et al. "一种基于改进生成对抗网络的二噁英排放浓度软测量方法" : CN202310003714.7. | 2023-01-03 . |
| APA | 汤健 , 崔璨麟 , 夏恒 , 乔俊飞 . 一种基于改进生成对抗网络的二噁英排放浓度软测量方法 : CN202310003714.7. | 2023-01-03 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种MSWI过程火焰图像燃烧状态识别模型的构建方法，其特征在于：制定燃烧状态的分类标准，并对现场采集的原始火焰图像进行分类得到标记完成的火焰图像数据集；利用ViT深度特征提取模块对所述原始火焰图像进行处理得到第一火焰图像特征；对所述第一火焰图像特征进行筛选，得到第二火焰图像特征；将所述第二火焰图像特征和所述原始火焰图像进行拼接，得到第三火焰图像特征；根据所述第三火焰图像特征，构建燃烧状态识别模型。本发明解决了现有技术中的MSWI过程火焰图像分类标准模糊，模型准确度不足，处理数据冗余，耗费成本高等问题。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 潘晓彤 , 夏恒 et al. 一种MSWI过程火焰图像燃烧状态识别模型的构建方法 : CN202310144167.4[P]. | 2023-02-21 . |
| MLA | 汤健 et al. "一种MSWI过程火焰图像燃烧状态识别模型的构建方法" : CN202310144167.4. | 2023-02-21 . |
| APA | 汤健 , 潘晓彤 , 夏恒 , 乔俊飞 . 一种MSWI过程火焰图像燃烧状态识别模型的构建方法 : CN202310144167.4. | 2023-02-21 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种二噁英排放浓度选择性集成预测系统及方法，该系统及方法首先利用Bagging采样获得具有差异性的数据子集并构建基于二叉树的候选子模型，计算候选子模型叶子节点和预测值的先验信息，采用贝叶斯推理计算后验信息对候选子模型的适应度进行表征，依据后验误差选择最佳子模型作为集成子模型，重复上述两个过程以获得全部集成子模型及其对应的后验信息，然后，通过上述集成子模型的后验信息确定合并权重，进而实现DXN排放浓度选择性集成模型的构建。本发明提供的二噁英排放浓度选择性集成预测系统及方法，能够实现DXN排放浓度选择性集成模型的构建，实现了DXN排放浓度的预测。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 许超凡 , 夏恒 et al. 一种二噁英排放浓度选择性集成预测系统及方法 : CN202310074311.1[P]. | 2023-02-07 . |
| MLA | 汤健 et al. "一种二噁英排放浓度选择性集成预测系统及方法" : CN202310074311.1. | 2023-02-07 . |
| APA | 汤健 , 许超凡 , 夏恒 , 徐喆 , 乔俊飞 . 一种二噁英排放浓度选择性集成预测系统及方法 : CN202310074311.1. | 2023-02-07 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Dioxin (DXN) emission concentration is an important environmental indicator in the municipal solid waste incineration (MSWI) process. The prediction model of DXN emission can be used for pollution control to realize actual requirements of operation optimization. Therefore, a DXN emission concentration prediction model based on improved deep forest regression (ImDFR) is proposed in this study. A feature reduction layer based on out-of-bagging error is first introduced into the ImDFR to eliminate redundant variables and feed all confidence information on DXN emission into the feature enhancement layer of the MSWI process. A deep ensemble stacking model is subsequently built to depict deep features and increase diversity and accuracy using random forests, completely random forests, GBDT, and XGBoost as subforests. Finally, the predicted value of the DXN prediction model is determined in the decision layer. The DXN emission prediction model is verified using actual historical data of two incinerators operated with a daily processing capacity of 800 tons. The experimental results showed that the proposed prediction model presents higher accuracy and better generalization ability than state-of-the-art models.
关键词 ：
Dioxin emission concentration Dioxin emission concentration Ensemble learning Ensemble learning Municipal solid waste incineration Municipal solid waste incineration Feature selection Feature selection Deep forest regression Deep forest regression
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Xia, Heng , Tang, Jian , Aljerf, Loai . Dioxin emission prediction based on improved deep forest regression for municipal solid waste incineration process [J]. | CHEMOSPHERE , 2022 , 294 . |
| MLA | Xia, Heng et al. "Dioxin emission prediction based on improved deep forest regression for municipal solid waste incineration process" . | CHEMOSPHERE 294 (2022) . |
| APA | Xia, Heng , Tang, Jian , Aljerf, Loai . Dioxin emission prediction based on improved deep forest regression for municipal solid waste incineration process . | CHEMOSPHERE , 2022 , 294 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
The dioxins (DXN) are a set of pollutants encompass polychlorinated dibenzo-p-dioxin/dibenzofuran (PCDD/F), their emissions from municipal waste incineration processes (MSWI) are normally detected under steady oper-ating conditions. However, limited studies have focused on the PCDD/F emission characteristics under a com-plete maintenance operating period (CMOP), which includes shut-down, cooling, maintenance, heating, startup, and normal operations. In this article, the shutdown process (SDP) starts from the normal operation, followed by shutdown, and then cooling; while the startup process (SUP) commences from heating, followed by startup, and then normal operation. The detection and analysis were conducted at the SDP and SUP stages. The PCDD/F mass and total toxic equivalent quantity (TEQ) concentrations were measured in the flue gas and bag filter fly ash (BF-FA) during a CMOP of Beijing MSWI plant. The highest PCDD/F concentrations in the flue gas were found in the "cooling" and "startup" phases; in the FA, this condition occurred in the "startup" phase. Further, the results show that the most heightened concentrations were observed for 5-6 chlorinated PCDF and 4-5 chlorinated PCDD among the 17 PCDD/F congeners in most cases. More importantly, the air pollution control devices (APCDs) which include activated carbon, lime, and BF, have high removal efficiency for PCDD/F (especially PCDD) during the "startup" phase. APCDs also easily release a considerable amount of PCDD/F because of the memory effect, which emits more PCDD/F at the "shutdown" phase than at the "startup" one. Besides, the annual PCDD/F emission in the flue gas of the MSWI plant was estimated to be 67.72 mg I-TEQ, of which the emission accounts for approx. 20% during the CMOP. Moreover, the experiment shows that the PCDD/F emissions of the MSWI plant in Beijing under unsteady conditions are more miniature than those reported earlier in other areas.
关键词 ：
Annual dioxins emission Annual dioxins emission dibenzofuran (PCDD dibenzofuran (PCDD (CMOP) (CMOP) Memory effect Memory effect Dioxin Dioxin F) F) Polychlorinated dibenzo-p-dioxin Polychlorinated dibenzo-p-dioxin Complete maintenance operating period Complete maintenance operating period Municipal solid waste incineration (MSWI) Municipal solid waste incineration (MSWI)
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Xia, Heng , Tang, Jian , Aljerf, Loai et al. Investigation on dioxins emission characteristic during complete maintenance operating period of municipal solid waste incineration [J]. | ENVIRONMENTAL POLLUTION , 2022 , 318 . |
| MLA | Xia, Heng et al. "Investigation on dioxins emission characteristic during complete maintenance operating period of municipal solid waste incineration" . | ENVIRONMENTAL POLLUTION 318 (2022) . |
| APA | Xia, Heng , Tang, Jian , Aljerf, Loai , Wang, Tianzheng , Qiao, Junfei , Xu, Qindong et al. Investigation on dioxins emission characteristic during complete maintenance operating period of municipal solid waste incineration . | ENVIRONMENTAL POLLUTION , 2022 , 318 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种MSWI过程二噁英排放浓度在线软测量方法，包括：根据MSWI的历史过程数据集确定过程数据；根据过程数据进行主成分分析，得到漂移指标控制限；构建基于FTBL的离线模型，并将过程数据和MSWI的历史DXN真值数据输入至离线模型中进行预测计算；根据获取到的在线数据进行主成分分析，并根据漂移指标控制限判断在线数据是否为漂移数据或正常数据，若为正常数据，则跳转至步骤“构建基于FTBL的离线模型”；若为漂移数据，则构建基于FTBL的在线模型，并将典型样本池的过程数据、漂移数据和离线模型的增量层的输出数据输入至在线模型中进行预测计算；根据离线计算结果和在线计算结果确定DXN排放浓度预测值。本发明能够有效地提高DXN排放浓度预测值的准确性。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 汤健 , 夏恒 , 张润雨 et al. 一种MSWI过程二噁英排放浓度在线软测量方法 : CN202211651114.3[P]. | 2022-12-21 . |
| MLA | 汤健 et al. "一种MSWI过程二噁英排放浓度在线软测量方法" : CN202211651114.3. | 2022-12-21 . |
| APA | 汤健 , 夏恒 , 张润雨 , 乔俊飞 . 一种MSWI过程二噁英排放浓度在线软测量方法 : CN202211651114.3. | 2022-12-21 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
