基于大数据的工业园区塑料废气预测模型Prediction Model of Plastic Waste Gas in Industrial Park Based on Big Data
张清倩;邱智铖;
摘要(Abstract)：
为更好地监控工业园区塑料废气排放量,采用深度学习大数据技术提出一个工业园区塑料废气预测模型。在塑料废气预测模型的特征提取层,设计了一个由两个分支网络组成的残差模块和一个三层密集连接模块,期望提取抽象、高维的塑料废气语义信息;在塑料废气预测模型的分类层,采用一个全连接层来汇聚数据并进行统计。经仿真分析,获取训练至800代的塑料废气预测模型,当批次样本量为16时,它的塑料废气误差百分比最小,为0.042 9,预测性能较优。研究结果可为当前工业园区塑料废气预测、监控工作提供一定的参考。
关键词(KeyWords)： 塑料废气;大数据;残差模块;密集连接模块
基金项目(Foundation):
作者(Authors): 张清倩;邱智铖;
DOI: 10.15925/j.cnki.issn1005-3360.2021.01.028
参考文献(References)：
- [1] British Standard Institution. Plastics—Plasticized poly(vinylchloride)(PVC-P)membranes for inground swimming pools Part2:Reinforced membranes of nominal thickness equal to or greater than 1.5mm:BS EN 15836-2—2010[S]. UK, 2010.
- [2]杜贤柳.垃圾焚烧烟气中酸性气体凝结和颗粒沉积的特性实验研究[D].济南:山东大学, 2020.
- [3]俞河,殷操,郑雄柳,等.生活垃圾焚烧处置对环境的影响分析[J].资源节约与环保, 2019(12):33.
- [4]郭维维.小学生数学深度学习与教师课堂教学行为现状调查与分析[J].科学咨询(科技·管理), 2020(10):235.
- [5]周雯,史天运,李平,等.基于深度学习的动车组运行安全图像异物检测[J].交通信息与安全, 2019, 37(6):48-55.
- [6]刘月明,刘小杰,吕庆,等.基于烧结大数据预测小于10 mm烧结矿含量模型[J].中国冶金, 2019, 29(11):31-38.
- [7]王玥.基于机器学习的电厂负荷预测[D].阜新:辽宁工程技术大学,2019.
- [8]吕瑞.基于多尺度深度残差网络的行人检测算法[D].武汉:武汉大学, 2017.
- [9]夏旻,施必成,刘佳,等.多维加权密集连接卷积网络的卫星云图云检测[J].计算机工程与应用, 2018, 54(20):184-189, 196.