钟 美， 赵兵涛， 黄 朔

(上海理工大学 能源与动力工程学院，上海 200093)



基于高斯过程回归的燃煤烟气汞排放预测

钟 美， 赵兵涛， 黄 朔

(上海理工大学 能源与动力工程学院，上海 200093)

选取对烟气汞排放影响显著的特征参数，采用一类新的随机过程方法——高斯过程回归模型来预测烟气中单质汞、氧化汞和颗粒汞的排放浓度,分别讨论了协方差函数和样本比例对模拟预测精度的统计学影响.结果表明:平方指数协方差函数优于有理二次协方差函数和Matern协方差函数；预测精度随样本比例的增大而提高；高斯过程回归模型优于常规非线性模化方法并显示出更好的鲁棒性，对烟气中汞的形态预测有较好的适用性.

燃煤烟气； 汞形态； 高斯过程回归； 模化； 预测

化石燃料燃烧特别是煤燃烧过程中生成的污染物已经成为一类重要的能源与环境问题.除SO2、NOx和CO2以外，汞的排放以其剧毒性、累积性和持久性越来越受到重视[1-3].燃煤烟气中汞通常有3种形态：单质汞(Hg0)、氧化汞(Hg2+)和颗粒汞(Hgp).不同形态的汞之间可以相互转化，且煤的特性(如煤的热值，煤中Hg、Cl、S的含量等)和操作条件(如炉膛的温度和压力)等众多因素对汞的形态都会产生影响.

为了有效预测燃煤烟气汞排放的形态与浓度，近十年来已发展出相关的理论和方法，如神经网络(ANN)、基于组的数据处理诱导神经网络法(GMDH-ANN)、支持向量机(SVM)和贝叶斯正则化人工神经网络(BRANN).但是这些方法本身仍存在问题，如神经网络法存在最优网络结构(隐层神经元个数)难以确定和过拟合的问题；……