SO2およびNOx排出物の質量濃度の精度の高い予測は、汚染物質排出制御を効果的に指導でき、CFBユニットの環境保護運転に重要な意義を持ちます。ある330 MWのCFBユニットを研究対象とし、入力変数の選別にはピアソン相関係数を用い、四分位範囲（IQR）法により異常値を選別および置換し、正規化を行ってデータ前処理を完了しました。その後、畳み込みニューラルネットワーク（CNN）により入力変数の特徴を抽出し、ゲーティッドリカレントユニット（GRU）で時系列特徴を処理し、マルチヘッドアテンション（MHA）機構を導入して特徴間の重要な関係を捉えました。訓練後に逆正規化を行いモデル出力を得ました。最後に、平均絶対誤差（MAE）、平均絶対百分率誤差（MAPE）、決定係数R2を用いてテストセットの結果を評価しました。結果は、このCNN-GRU-MHAモデルがCFBユニットの汚染物質排出質量濃度を比較的正確に予測できることを示しています。アブレーション実験とモデル比較により本モデルの優れた性能が証明されました。このCNN-GRU-MHAモデルは、CFBユニットの汚染物質排出質量濃度のモニタリングと最適化指導を実現し、発電所が運転パラメータをタイムリーに調整して汚染物質排出基準を遵守できるようにします。

CFB;汚染物質排出予測;深層学習;データ駆動