摘要
【الهدف】يعتبر انبعاث أكاسيد النيتروجين (NOx) مؤشراً بيئياً هاماً في غرفة احتراق التوربينات الغازية، ويساعد التنبؤ السريع والدقيق بـ NOx على تحسين الاحتراق والسيطرة على الانبعاثات المنخفضة. نظراً للمشاكل المرتبطة بالتكلفة الحسابية العالية للتنبؤ التقليدي القائم على المحاكاة العددية وضعف تعميم النماذج القائمة على البيانات، تم اقتراح إطار تعلم مدمج مبني على متعلمين أساسيين متغايرين ومتعلّم أولي من نوع TabNet لتنبؤ انبعاث NOx. 【الطريقة】يستخدم الإطار XGBoost، وآلة الدعم الناقلة (SVM)، والغابة العشوائية (RF)، والشبكة متعددة الطبقات (MLP) كمتعلمين أساسيين مختلفة لتوليد التنبؤات الأولية من أنماط تعلم مختلفة؛ ثم يتم إدخال نموذج TabNet المصمم خصيصاً للبيانات الجدولية كمتعلم أولي، والذي يستخدم آلية الانتباه التسلسلي لدمج مخرجات المتعلمين الأساسيين بشكل ديناميكي. 【النتائج】على مجموعة بيانات تجريبية لغرفة احتراق مختلطة صغيرة تمت معالجتها مسبقاً، تفوق أداء نموذج التعلم المدمج المقترح على جميع المتعلمين الأساسيين المنفردين، حيث بلغت قيمة الجذر التربيعي لخطأ المتوسط والوسيط 0.7840 ملغم/م3 و0.1730 ملغم/م3 على التوالي. وأظهر التحقق عبر الحالات المختلفة باستخدام التدريب الديناميكي والاختبار الثابت قدرة تعميم جيدة. تشير تحليلات القدرة على التفسير المستندة إلى SHAP إلى أن تدفقات الوقود من المستوى الأول والثاني هي الخواص الأكثر تأثيراً على تنبؤ NOx. 【الاستنتاج】يمكن لإطار التعلم المدمج المقترح تحسين دقة التنبؤ بانبعاثات NOx في غرفة الاحتراق وقدرة التعميم، وتتوافق نتائج تحديد الخصائص الرئيسية مع الميكانيكية الفيزيائية للاحتراق المختلط المصنف للوقود.
关键词
غرفة الاحتراق المختلطة الصغيرة;تنبؤ انبعاث NO_x;التعلم المدمج;تحليل SHAP
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website