基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测

氮氧化物（NOx）是催化裂化（FCC）装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验模态分解（EEMD）和长短期记忆网络（LSTM）的耦合模型。将NOx排放浓度数据经过EEMD为若干个固有模态函数（IMF）和一个残差序列;根据IMF子序列与原始数据之间的相关性分析,剔除极弱相关的信号分量,有效减小原信号数据中的噪声;将IMF序列集分为高、低频两部分,分别进入不同深度的LSTM网络;最终,将子序列的预测结果反变换得到NOx排放浓度。实验表明,在催化裂化装置NOx排放预测中,对比LSTM的表现,EEMD-LSTM耦合模型在均方误差（MSE）、平均绝对误差（MAE）分别减小了46.7%、45.9%;在决定系数R²上增大了43%,实现了更高的预测精度。     

基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测

氮氧化物（NOx）是催化裂化（FCC）装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验模态分解（EEMD）和长短期记忆网络（LSTM）的耦合模型。将NOx排放浓度数据经过EEMD为若干个固有模态函数（IMF）和一个残差序列;根据IMF子序列与原始数据之间的相关性分析,剔除极弱相关的信号分量,有效减小原信号数据中的噪声;将IMF序列集分为高、低频两部分,分别进入不同深度的LSTM网络;最终,将子序列的预测结果反变换得到NOx排放浓度。实验表明,在催化裂化装置NOx排放预测中,对比LSTM的表现,EEMD-LSTM耦合模型在均方误差（MSE）、平均绝对误差（MAE）分别减小了46.7%、45.9%;在决定系数R²上增大了43%,实现了更高的预测精度。     

超高性能轻质混凝土的力学性能及微观结构

超高性能轻质混凝土(ultra-high performance lightweight concrete,UHPLC)是一种由高强水泥浆体、漂珠和纤维组成的密度低于1 950 kg/m~3的新型水泥基结构材料。本文研究了不同养护制度及养护龄期对UHPLC抗压强度、轴拉力学性能和弯曲性能的影响,最后利用扫描电镜观察了UHPLC中漂珠的微观形貌。结果表明:随着龄期增长,UHPLC的抗压强度、轴拉性能和弯曲性能均提高,并出现明显的应变强化现象,说明养护龄期对UHPLC基体强度和纤维-UHPLC基体的界面黏结强度均有显著提高作用;高温蒸汽养护3 d可促进UHPLC基体早期强度发展,使UHPLC的抗压强度和弯曲性能迅速达到标准养护28 d时的水平,显著缩短养护龄期,但对纤维-基体界面黏结强度的贡献不大,黏结强度仍主要受龄期影响;UHPLC实测密度为1 815.2 kg/m~3,100 mm立方体抗压强度达103.1 MPa,极限抗拉强度达7.60 MPa,极限拉应变达0.431%,出现明显的应变强化现象,弯曲峰值强度达22.43 MPa,满足了RPC160的抗折强度要求,实现了水泥基结构材料轻质高强的目标。