任 伟 牛玉霞

(南通科技职业学院 江苏 南通 226007)

0 引 言

中国制造业的发展在全世界屈指可数，拥有很多大规模的制造业园区，生产流程都设在园区内，而且大多数的制造业园区都会存在VOCs的治理问题[1]。从当前工业源的排放状态来看，园区内的VOCs排放量占据了一半以上，由此可见对园区的VOCs综合整治将是未来国内实现VOCs减排的必然发展趋势[2-4]。工业园区的VOCs泄露问题不单单会对环境造成很大的污染，而且还会引起多种事故，威胁人们的生活和生产安全[5-6]。此时，需要组建VOCs预测模型对工业园区的VOCs进行预测，但是在对工业园区VOCs进行实际预测过程中，相对于大多数的模型无法详细拟合出VOCs不同状态，致使其对工业园区VOCs预测陷入了瓶颈。在这种情况下，对工业园区VOCs预测问题成为了制约环境治理领域发展的一个重要因素，引起了很多专家和学者的重视[7]。

目前，关于工业园区VOCs预测模型的研究有很多，其相对研究也出现了一定的成果。文献[8]将马尔柯夫链理论引入到对VOCs预测中，给出VOCs的状态变化规律，由此组建工业园区VOCs预测模型。利用该模型进行工业园区VOCs预测具有预测成本低的优势，但是该模型受环境干扰因素较大，无法详细地拟合出VOCs不同状态，存在预测误差大的问题。文献[9]利用高斯混合模型计算VOCs不同状态的概率分布，利用高斯过程回归预测VOCs的动态变化轨迹，在此基础构建工业园区VOCs预测模型。该模型预测响应性高，但是传感器选择不具有唯一性，输出的参数不确定，存在拟合效果差的问题。……