基于自适应径向基函数神经网络的烟气脱硫系统状态预测方法

本发明涉及人工智能驱动的复杂动态系统模型表征和状态预测技术领域，特别是涉及基于自适应径向基函数神经网络的烟气脱硫系统状态预测方法，包括：获取目标烟气脱硫系统的实时工作参数；将所述实时工作参数输入预设的状态预测模型中，预测所述目标烟气脱硫系统的实时烟气脱硫状态，其中，所述状态预测模型基于训练集训练获得，所述训练集包括烟气脱硫系统不同脱硫过程的历史数据，所述状态预测模型通过在径向基函数神经网络中引入权重记忆机制和自适应超参数构建。本发明利用模型权重信息记忆机制、学习率和动量因子自适应更新机制高效提取多步信息，提高了预测模型对出气SO2浓度状态的感知与预测精度，降低了模型计算复杂度。