伝統的な公式を使用して脱硫塔出口のSO2排出量を推定する方法は普及が困難であり、現場での実測は時間と費用がかかります。本文ではこの問題に対処するため、従来のF-R修正を行った変梯度BPニューラルネットワークと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）として、脱硫塔のオンラインモニタリングデータを予測するRBFニューラルネットワークに基づく脱硫塔出口のSO2排出量予測方法を提案します。結果として、RBFニューラルネットワークの最大偏差と平均偏差はどちらも0であり、変梯度BPニューラルネットワークおよびLM-BPニューラルネットワークよりも優れていることがわかりました。この結果に基づいて、予測モデルとしてRBFニューラルネットワークを採用し、平均排気温度が101℃で脱硫塔クリアリキッドのpHが8.40、平均タワー内リキッドフローと排気ガスフローの比（液気比）が1.130 0 L/m3の場合、いくつかの入力パラメータを連続して変更し、他のパラメータが脱硫塔出口のSO2質量濃度の影響を予測します。その結果、脱硫塔出口のSO2質量濃度は入口排気温度の上昇とともに増加し、110℃を超えると波打つことがわかります。排気温度が101℃で液気比が1.130 0 L/m3の場合、最適な脱硫塔クリアリキッドpHは8.60であり、温度が101℃でpHが8.40の場合、脱硫塔出口のSO2質量濃度は液気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に基づく脱硫塔出口のSO2排出量予測方法は、二重アルカリ法脱硫塔出口のSO2排出量を効果的に予測できるだけでなく、SO2排出量を最適化制御することができます。

脱硫塔; 二重アルカリ法; RBFニューラルネットワーク; 変梯度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