摘要
本发明提供了一种基于多模态深度特征的MSWI过程烟气含氧量预测方法,该方法包括:对MSWI过程的火焰图像进行预处理,得到预处理图像;通过由8层结构组成的第一神经网络对预处理图像进行多层级特征提取,得到火焰深度特征;通过皮尔逊相关系数对MSWI过程的过程数据进行特征选择,得到约简特征集合;通过由2层结构组成的第二神经网络对约简特征集合进行深度特征提取,得到过程深度特征;将火焰深度特征与过程深度特征进行特征融合,并通过融合后的多模态深度特征预测烟气含氧量。该方法通过对火焰图像和过程数据进行特征深度提取与融合操作,结合相关系数和多层感知机模型,实现了FGOC的预测与模型的构建。
技术关键词
烟气含氧量
多模态深度
皮尔逊相关系数
深度特征提取
特征选择
积层
图像缩放
矩阵
数据
多层感知机
层级
预测系统
模块
多通道
标记
系统为您推荐了相关专利信息
电池健康状态
群体智能优化算法
支持向量机模型
指标
电压
地理实体
模型生成方法
影像分割单元
上下文特征
传感器配置
传感器特征
机组故障诊断方法
学生
教师
时序特征
随机森林模型
清扫模块
控制中心
数据采集模块
图像采集传感器