[发明专利]一种基于LightGBM算法的湿法烟气脱硫优化方法

权利要求书

1.一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：包括以下步骤：

步骤1：分析石灰石-石膏湿法烟气脱硫工艺流程，挖掘出同时最大化脱硫浆液pH值和出口烟气温度这一相互矛盾问题；

步骤2：对脱硫系统的实际运行数据进行预处理，通过箱型图算法剔除异常数据；通过灰度关联分析算法分析出脱硫浆液pH值和出口烟气温度的影响因素，做特征选择；

步骤3：根据步骤2选取的特征变量，通过LightGBM算法建立pH值和温度的数学模型；

步骤4：将数据集进行归一化并划分为训练集和测试集；使用训练集训练数学模型，并使用测试集验证模型的性能；

步骤5：使用相关评价指标评估模型性能；

步骤6：确定最大化脱硫浆液pH值和出口烟气温度为目标函数，明确约束范围；使用训练好的数学模型描述目标函数；

步骤7：使用改进的非支配遗传算法NSGA-III-DE求解目标函数得到一组最优解集；

步骤8：利用相关评价指标对优化算法的结果进行评估。

2.根据权利要求1所述的一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：步骤1分析石灰石-石膏湿法烟气脱硫工艺流程，挖掘出同时最大化脱硫浆液pH值和出口烟气温度对于提高脱硫效率存在的矛盾关系。

3.根据权利要求1所述的一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：步骤2对脱硫系统的实际运行数据进行预处理剔除异常数据；通过分析出脱硫浆液pH值和出口烟气温度的影响因素做特征选择，方法如下：

使用箱型图算法进行数据清洗，公式如下所示：

x＜Q1-1.5×IQR或者x＞Q3+1.5×IQR

式中x为待验证数据，Q1为下四分位数，Q3为上四分位数，IQR为四分位距离；

使用灰度关联分析算法分析出脱硫浆液pH值和出口烟气温度的影响因素做特征选择；公式如下所示：

式中y(k)为参考序列，x_i(k)为均值化处理后的比较序列，ρ为分辨系数。

4.根据权利要求1所述的一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：步骤3通过LightGBM算法建立pH值和温度的数学模型，方法如下：

使用直方图算法将连续的数据离散化，在接下来构建决策树的过程中不用再每次遍历全部数据；初始化损失函数，计算分裂增益；选择分裂增益最大的叶子结点进行增长，为了避免树的层数过大出现过拟合，要设置最大层数限制；构建完一棵决策树后计算误差，在接下来的迭代过程中每次学习的上一棵树的误差；最后将多棵树的结果进行叠加。

5.根据权利要求1所述的一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：步骤4将数据集划分为训练集和测试集；使用训练集训练数学模型，方法如下：

首先将数据进行归一化处理，消除不同量纲之间的影响；让后将处理后的空气质量数据按照8:2的比例分为两部分，80％的数据作为训练集，20％的数据作为测试集；为了去除训练集和测试集的规律性，采用随机的方式进行划分。

6.根据权利要求1所述的一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：步骤5使用相关评价指标评估模型性能，方法如下：

使用均方误差MSE、平均绝对百分比误差MAPE和相关系数R2对模型测试结果进行评价。

7.根据权利要求1所述的一种基于LightGBM算法的湿法烟气脱硫优化方法，其特征在于：步骤6确定最大化脱硫浆液pH值和出口烟气温度为目标函数，明确约束范围；使用训练好的数学模型描述目标函数。