一种基于增强型压缩感知和时间卷积神经网络的循环流化床燃烧降阶预测方法

本发明公开了一种基于增强型压缩感知和时间卷积神经网络的循环流化床燃烧降阶预测方法。在离线准备阶段，首先获取多相燃烧场内原始变量信息并计算网格变量的时间平均值，对结果快照矩阵在时间上进行去中心化；获取POD模态及其对应模态系数，得到时间卷积神经网络和传感器最佳布置位置。在在线预测阶段，基于传感器位置重构出当前时刻下的模态系数，基于时间卷积神经网络对未来的模态系数进行预测，与POD模态线性组合重构流场。本发明实现了利用当前时刻的稀疏传感器数据预测未来时刻下全场变量的在线快速预测，克服了传统CFD方法无法应用于工业生产快速预测的不足，填补了循环流化床内多相燃烧在在线流场快速预测方面的空白。