従来の式を使用して脱硫塔の出口におけるSO_2排出量を推定する方法は一般化するのが難しく、現地での測定は時間がかかり費用がかかります。そのため、本文ではRBF（放射基底関数）ニューラルネットワークをベースにした脱硫塔の出口SO_2排出量予測方法を提案し、従来のF-R補正勾配BP（バックプロパゲーション）ニューラルネットワークおよびLMアルゴリズムで最適化されたBPニューラルネットワーク（LM-BPニューラルネットワーク）を対照モデルとして、双アルカリ法脱硫塔のオンラインモニタリングデータを予測しました。その結果、RBFニューラルネットワークの最大偏差と平均偏差は共に0であり、これは勾配BPニューラルネットワークやLM-BPニューラルネットワークよりも優れています。これに基づき、平均煙気温度が101°C、脱硫塔清液のpHが8.40、脱硫塔に進む液体流量と煙気流量の比率（リキッドガス比）が1.130 0 L/m3の入力パラメータを連続的に変化させ、他のパラメータが脱硫塔の出口SO_2質量濃度換算値に与える影響を予測しました。その結果、脱硫塔の出口SO_2質量濃度換算値は入口煙気温度が上昇すると増加し、110°Cを超えると変動し始めます。101°Cで煙気温度が、リキッドガス比が1.130 0 L/m3の場合、最適な脱硫塔清液pHは8.60です。101°CでpHが8.40の場合、脱硫塔の出口SO_2質量濃度換算値はリキッドガス比が増加すると減少します。したがって、RBFニューラルネットワークを使用した脱硫塔の出口SO_2排出量予測方法は双アルカリ法脱硫塔の出口SO_2排出量を効果的に予測するだけでなく、SO_2排出量を最適化し制御することができます。

脱硫塔; 双アルカリ法; RBFニューラルネットワーク; 勾配BPニューラルネットワーク; LM-BPニューラルネットワーク; SO2排出量; 予測方法; 最適化制御