[发明专利]基于FNN对抗生成的二噁英排放风险预警模型构建方法

说明书

本发明提供了一种基于FNN对抗生成的二噁英排放风险预警模型构建方法，首先，通过随机森林算法自适应选择与DXN排放相关性高的输入特征；接着，通过FNN对抗生成相应风险等级的候选虚拟样本，以解决样本数量少和存在不确定性的问题；然后，采用判别概率、最大均值差异和最近邻类别构建多约束选择机制，保证所选虚拟样本的质量；最后，基于混合样本构建MSWI过程DXN排放风险预警模型。本发明解决了DXN风险预警模型的建模数据维数高、不确定性强和样本少等问题，构建了有效性和优越性高的MSWI过程DXN排放风险预警模型，提高二噁英排放风险预警准确性。

技术领域

本发明涉及二噁英排放浓度检测技术领域，特别是涉及一种基于FNN对抗生成的二噁英排放风险预警模型构建方法。

背景技术

城市固废焚烧(municipal solid waste incineration，MSWI)是目前世界范围内大多数国家采用的具有无害化、减量化和资源化等优势的城市固废处理方式。MSWI过程排放的废气中存在危害人体健康的剧毒污染物二噁英(dioxin，DXN)，二噁英是MSWI过程严格控制的环保指标。因此，对DXN排放进行风险预警是解决焚烧厂“邻避效应”和实现该过程优化控制的首要问题之一。然而，DXN生成、分解、再生成和吸附的机理与MSWI的全流程相关，并且DXN排放存在的“记忆效应”至今仍机理不清。此外，受限于DXN的在线检测技术难度，目前主要采用高成本、长周期的离线化验方式对DXN排放浓度进行检测。上述因素导致构建DXN风险预警模型的建模数据存在维数高、不确定性强和样本少等问题。

发明内容

本发明的目的是提供一种基于FNN对抗生成的二噁英排放风险预警模型构建方法，解决了DXN风险预警模型的建模数据维数高、不确定性强和样本少等问题，构建了有效性和优越性高的MSWI过程DXN排放风险预警模型，提高二噁英排放风险预警准确性。

为实现上述目的，本发明提供了如下方案：

一种基于FNN对抗生成的二噁英排放风险预警模型构建方法，包括如下步骤：

S1，采用随机森林算法计算MSWI过程输入特征重要程度以自适应选择与DXN排放相关性高的输入特征；

S2，基于生成对抗网络GAN，引入T-S模糊神经网络作为生成器和判别器，形成FNN-GAN，基于FNN对抗生成策略迭代产生用于DXN风险预警建模的候选虚拟样本，并使用DXN风险等级作为条件信息用于控制生成虚拟样本的类型；

S3，采用判别概率、最大均值差异和最近邻类别构建多约束选择机制，通过多约束选择机制进行虚拟样本筛选，获得合格虚拟样本；

S4，将合格虚拟样本与真实样本相混合，得到混合样本，基于混合样本构建MSWI过程DXN排放风险预警模型，进行MSWI过程二噁英排放风险预警。

进一步的，所述步骤S1中，采用随机森林算法计算MSWI过程输入特征重要程度以自适应选择与DXN排放相关性高的输入特征，具体包括：

将MSWI过程获得的原始样本的输入和输出表示如下：

其中，N_org为原始样本的数量，X_org表示由MSWI过程获得的原始样本的输入，Y_real表示对应的输出；

采用Bootstrap重抽样技术从{X_org,Y_real}中随机抽取数据构造R组训练子集如下：

同时，还有R组没有被抽中的袋外数据表示如下：

根据R组训练子集构建R组决策树，然后将R组袋外数据输入相应的决策树得到R组预测值表示如下：