전통적인 방법으로 석회석 탑 SO2 배출량을 추정하는 것은 보급이 어려우며 현장 측정은 시간과 비용이 많이 소요됩니다. 이에 본 논문에서는 RBF 신경망을 기반으로 한 석회석 탑 SO2 배출량 예측 방법을 제시하고 전통적인 F-R 보정 기반의 변경률 BP 신경망 및 LM 알고리즘을 최적화한 BP 신경망(LM-BP 신경망)을 대조 모델로 삼아 이중 알칼리법 석회석 탑 온라인 모니터링 데이터를 예측합니다. 결과로는 RBF 신경망의 최대 편차와 평균 편차가 모두 0이며 변경률 BP 신경망과 LM-BP 신경망보다 우수함을 발견했습니다. 이를 기반으로 예측 모델로 RBF 신경망을 채택하여 평균 연기 온도가 101°C이고 석회석 탑 청액 pH가 8.40, 평균 입탑 청액 유량과 연기 유량의 비(액체가스 비)가 1.130 0 L/m3일 때 일부 입력 매개변수를 연속적으로 변경하고 다른 매개변수가 석회석 탑 출구 SO2 농도의 영향을 예측합니다. 결과는 석회석 탑 출구 SO2 농도가 연기 온도가 증가함에 따라 증가하고, 110°C를 넘어서면 파동이 나타난다는 것을 보여줍니다; 연기 온도가 101°C이고 액체가스 비가 1.130 0 L/m3인 경우, 최적의 석회석 탑 청액 pH는 8.60입니다; 온도가 101°C이고 pH가 8.40인 경우, 석회석 탑 출구 SO2 농도는 액체가스 비가 증가함에 따라 감소합니다. 따라서 RBF 신경망을 기반으로 한 석회석 탑 출구 SO2 배출량 예측 방법은 이중 알칼리법 석회석 탑 출구 SO2 배출량을 효과적으로 예측할 뿐만 아니라 SO2 배출량을 최적화 제어할 수 있습니다.

석회석 탑; 이중 알칼리법; RBF 신경망; 변경률 BP 신경망; LM-BP 신경망; SO2 배출량; 예측 방법; 최적화 제어