基于遗传算法优化神经网络的SCR催化剂失效预测

该文使用神经网络结合遗传算法编制计算软件来实现选择性催化还原技(selective catalytic reduction,SCR)催化剂的失效预测功能,并在此基础上制定催化剂清洗再生流程。以49份运行环境不同的SCR催化剂为研究对象,使用灰色关联度分析法对原始数据进行预处理,最终确定以燃料钾含量等7个变量作为网络输入,以催化剂的相对活性作为网络输出。在Matlab环境下编程,构建按误差逆传播算法训练的多层前馈网络(back propagation,BP)神经网络。之后,针对BP神经网络结构上的缺陷,进行基于遗传算法优化的神经网络建模研究。结果表明,遗传算法优化后的BP网络(back propagation ggenetic algorithm,GABP)预测精度和数据拟合能力均有所提高。最后,该文总结出一种较为完善的催化剂清洗再生流程。本软件可有效指导工业应用中煤种、SCR催化剂以及催化剂中毒后的清洗再生技术路线的选型。