基于循环神经网络的电站锅炉SO2排放预测方法及系统

本发明公开了一种基于循环神经网络的电站锅炉SO2排放预测方法及系统，方法包括步骤：S1.采集电站锅炉运行参数的时间序列数据，对异常数据进行清洗；S2.对清洗后的数据进行特征选择，将无关变量的系数压缩至零，筛选出与SO2排放强相关的特征变量；S3.数对筛选后的特征变量进行Z‑score标准化处理；S4.RNN模型构建与训练：构建循环神经网络模型，输入层为步骤S2筛选的特征变量，输出层为SO2浓度预测值；S5.实时预测与反馈控制：将实时采集的锅炉运行数据经步骤S1–S3预处理后输入训练好的RNN模型，输出SO2浓度预测值，动态调整钙硫比以优化脱硫效率。本发明具有预测精度高等优点。