Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020192166 - PROCÉDÉ DE MESURE SOUPLE DE CONCENTRATION D'ÉMISSIONS DE DIOXINE DANS UN PROCÉDÉ D'INCINÉRATION DE DÉCHETS MÉNAGERS

Numéro de publication WO/2020/192166
Date de publication 01.10.2020
N° de la demande internationale PCT/CN2019/122326
Date du dépôt international 02.12.2019
CIB
G06F 17/00 2019.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
CPC
G06F 17/5009
Déposants
  • 北京工业大学 BEIJING UNIVERSITY OF TECHNOLOGY [CN]/[CN]
Inventeurs
  • 汤健 TANG, Jian
  • 乔俊飞 QIAO, Junfei
  • 郭子豪 GUO, Zihao
  • 何海军 HE, Haijun
Mandataires
  • 北京思海天达知识产权代理有限公司 BEIJING SIHAI TIANDA INTELLECTUAL PROPERTY AGENCY LTD.
Données relatives à la priorité
201910224790.424.03.2019CN
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) METHOD FOR SOFT MEASUREMENT OF DIOXIN EMISSION CONCENTRATION IN MUNICIPAL SOLID WASTE INCINERATION PROCESS
(FR) PROCÉDÉ DE MESURE SOUPLE DE CONCENTRATION D'ÉMISSIONS DE DIOXINE DANS UN PROCÉDÉ D'INCINÉRATION DE DÉCHETS MÉNAGERS
(ZH) 一种城市固废焚烧过程二噁英排放浓度软测量方法
Abrégé
(EN)
A method for building a soft measurement model for dioxin (DXN) emission concentration on the basis of a selective ensemble (SEN) of multi-source potential features. The method comprises: dividing, according to an industrial process, an MSWI process data into sub-systems of different sources, performing principal components analysis (PCA) to respectively extract potential features therefrom, and performing initial selection of multi-source potential features according to experience-based presets of principal component contribution rate thresholds; using mutual information (MI) to measure correlation between the initially selected potential features and DXN, and adaptively determining upper limits, lower limits and thresholds for re-selection of the potential feature; and using a least squares support vector machine (LS-SVM) algorithm having a hyper-parameter adaptive selection mechanism to build DXN emission concentration sub-models for different sub-systems on the basis of re-selected potential features, using a strategy based on a branch and bound (BB) method and a prediction error information entropy weighted algorithm to perform optimal selection of a sub-model and calculate a weight coefficient, and constructing a soft measurement model for DXN emission concentration on the basis of an SEN.
(FR)
L'invention concerne un procédé de conception d'un modèle de mesure souple de la concentration d'émissions de dioxine (DXN) sur la base d'un ensemble sélectif (SEN) de caractéristiques potentielles multi-sources. Le procédé consiste à : diviser, selon un processus industriel, des données de processus MSWI en sous-systèmes de différentes sources, effectuer une analyse en composantes principales (PCA) pour extraire respectivement des caractéristiques potentielles de ceux-ci, et effectuer une sélection initiale de caractéristiques potentielles multi-sources en fonction de pré-ensembles basés sur l'expérience de seuils de taux de contribution de composantes principales ; utiliser des informations mutuelles (MI) pour mesurer une corrélation entre les caractéristiques potentielles initialement sélectionnées et la DXN, et déterminer de manière adaptative des limites supérieures, des limites inférieures et des seuils pour une nouvelle sélection de la caractéristique potentielle ; et utiliser un algorithme de machine à vecteurs de support s'appuyant sur les moindres carrés (LS-SVM) comprenant un mécanisme de sélection adaptative d'hyper-paramètre pour concevoir des sous-modèles de concentration d'émissions de DXN pour différents sous-systèmes sur la base des caractéristiques potentielles résélectionnées, utiliser une stratégie basée sur une méthode de séparation et d'évaluation progressive (BB) et un algorithme pondéré par entropie d'informations d'erreur de prédiction pour effectuer une sélection optimale d'un sous-modèle et calculer un coefficient de pondération, et concevoir un modèle de mesure souple pour la concentration d'émissions de DXN sur la base d'un SEN.
(ZH)
一种基于多源潜在特征选择性集成(SEN)建模的DXN排放浓度软测量方法。首先,将MSWI过程数据依据工业流程划分为不同来源的子系统,采用主元分析(PCA)分别提取其潜在特征,并依据经验预设的主元贡献率阈值进行多源潜在特征初选;接着,采用互信息(MI)度量初选的潜在特征与DXN间的相关性,自适应确定潜在特征再选的上下限及阈值;最后,基于再选潜在特征,采用具有超参数自适应选择机制的最小二乘-支撑向量机(LS-SVM)算法,建立针对不同子系统的DXN排放浓度子模型,采用基于分支定界(BB)和预测误差信息熵加权算法的策略优化选择子模型和计算权系数,构建DXN排放浓度SEN软测量模型。
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international