基于CEEMDAN-LSTM模型的污水处理厂N_(2)O排放预测研究

作     者：陈宏伟 邢雯雯 赵传靓 曹本川 刘家华 赵晓红 杨利伟 CHEN Hongwei;XING Wenwen;ZHAO Chuaniang;CAO Benchuan;LIU Jiahua;ZHAO Xiaohong;YANG Liwei

作者机构：长安大学建筑工程学院西安710061 中国建筑设计研究院有限公司北京100044 

基　　金：国家重点研发计划(2018YFE0103800) 

出 版 物：《给水排水》 (Water & Wastewater Engineering)

年 卷 期：2024年第50卷第4期

页      码：166-172页

摘      要：在我国实行“双碳”战略的背景下,污水处理厂N_(2)O排放预测对于污水处理厂的碳中和有积极意义。现有的污水处理厂N_(2)O排放预测研究通常直接采用基于包含噪声的N_(2)O排放量数据进行建模预测,导致模型预测精度不高。采用自适应噪声完备集合经验模态分解-长短期记忆网络(CEEMDAN-LSTM)模型,通过引入CEEMDAN方法缓解数据中噪声对模型的影响以提高模型预测精度,对污水处理厂N_(2)O排放进行预测并在预测验证集上验证模型。与LSTM、门控循环单元(GRU)、人工神经网络(ANN)和支持向量机(SVM)模型相比,CEEMDAN-LSTM预测精度最高,均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为5 497.11、56.55和1.22%,能够更高精度地预测N_(2)O排放量,为污水处理厂采取合适的碳中和策略提供理论支撑。

主 题 词：污水处理厂 N_(2)O排放预测 碳排放因子法 CEEMDAN LSTM 

学科分类：08[工学] 0815[工学-矿业类] 

核心收录：

D　O　I：10.13789/j.cnki.wwe1964.2023.10.03.0002

馆 藏 号：203127829...