基于ESORNN-IFG的城市固废焚烧过程的炉膛温度预测方法

本发明提出了基于ESORNN‑IFG的城市固废焚烧过程的炉膛温度预测方法。城市固体废弃物MSWI焚烧过程具有高度非线性、动态性、复杂反应机制及强耦合现象，使得准确建模FT成为一项挑战。为了提高FT建模的精度和鲁棒性，首先引入Adaboost算法，通过对多个基学习器进行加权组合，提升强学习器的准确性与稳定性。其次，提出了信息融合增益(IFG)指数，用于评估隐藏神经元的贡献及其相互关系。基于此，设计了一种结合IFG指数的自组织策略，用于在模型训练过程中动态调整基学习器的结构。最终，通过在多个基准问题和实际MSWI过程中FT建模的实验结果验证了所提出算法的优越性与有效性。