基于可解释机器学习模型预测电厂冷却塔浓缩排水水质
以某发电厂循环冷却系统为对象，构建了一种基于“浓缩倍数+进水水质+排水水质”的集成预测模型，并结合因果分析框架，系统探讨了排水水质与补水水质的关系，识别了影响排水水质的关键因素。选取5种相对成熟的机器学习模型，包括时序卷积网络（TCN）、长短期记忆网络（LSTM）、卷积神经网络（CNN）、极限梯度提升（XGBoost）以及支持向量机（SVM），对循环冷却系统进出水（即补水与排水）水质数据进行分布式学习和预测。仿真结果表明，TCN模型在各项预测任务中表现最优，平均<italic>R</italic>²达0.86，均方根误差（RMSE）和平均绝对误差（MAE）分别为3.15和2.47，且推断时间低...
I tiakina i:
| Ngā kaituhi matua: | , , , , , , |
|---|---|
| Hōputu: | Artigo |
| Reo: | Chinês |
| I whakaputaina: |
Editorial Office of Industrial Water Treatment
2026-01-01
|
| Rangatū: | Gongye shui chuli |
| Ngā marau: | |
| Urunga tuihono: | http://www.iwt.cn/thesisDetails#10.19965/j.cnki.iwt.2025-0092 |
| Ngā Tūtohu: |
Kāore He Tūtohu, Me noho koe te mea tuatahi ki te tūtohu i tēnei pūkete!
|