一种基于TDLAS的二氧化碳浓度预测模型生成方法及系统与流程

本文件涉及计算机，尤其涉及一种基于tdlas的二氧化碳浓度预测模型生成方法及系统。

背景技术：

1、火电厂作为主要的能源生产方式，在全球电力供应中扮演着重要的角色，然而火电厂排放的二氧化碳被广泛认为是全球气候变化的主要贡献因素之一，因此，监测和控制火电厂的二氧化碳排放已成为环境保护和可持续发展的紧迫任务。为了实现可持续的能源生产和减少二氧化碳排放，火电厂需要有效的二氧化碳排放浓度检测系统，在此背景下，核算法和监测法是两种主要的方法，核算法和监测法各有优缺点，核算法精确且数据全面，但需要复杂的数据采集和计算，不适合需要实时决策的情况；监测法能够提供几乎实时的数据，符合需要实时监测二氧化碳排放浓度的要求，但受环境条件和传感器校准的影响，需要定期维护。

技术实现思路

1、本发明的目的在于提供一种基于tdlas的二氧化碳浓度预测模型生成方法及装置，旨在解决现有技术中的上述问题。

2、本发明提供一种基于tdlas的二氧化碳浓度预测模型生成方法，包括：

3、初始化二氧化碳浓度预测模型参数；

4、对二氧化碳浓度标签充分的场景数据集进行采样得到源域特征以及对应标签，对没有二氧化碳浓度标签的场景数据集进行采样得到目标域特征，将所述源域特征以及对应标签和所述目标域特征输入全连接神经网络模型得到特征数据，将所述特征数据分别输入全连接分类器和svm分类器得到两种分类结果，其中，所述源域特征和所述目标域特征均为二氧化碳浓度分析仪的不同光谱强度；

5、根据所述两种分类结果通过损失函数不断迭代更新所述二氧化碳浓度预测模型参数至最大迭代数，得到训练好的二氧化碳浓度预测模型。

6、本发明提供一种基于tdlas的二氧化碳浓度预测模型生成系统，包括：

7、初始模块，用于初始化二氧化碳浓度预测模型参数；

8、分类模块，用于对二氧化碳浓度标签充分的场景数据集进行采样得到源域特征以及对应标签，对没有二氧化碳浓度标签的场景数据集进行采样得到目标域特征，将所述源域特征以及对应标签和所述目标域特征输入全连接神经网络模型得到特征数据，将所述特征数据分别输入全连接分类器和svm分类器得到两种分类结果，其中，所述源域特征和所述目标域特征均为二氧化碳浓度分析仪的不同光谱强度；

9、生成模块，用于根据所述两种分类结果通过损失函数不断迭代更新所述二氧化碳浓度预测模型参数至最大迭代数，得到训练好的二氧化碳浓度预测模型。

10、本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述基于tdlas的二氧化碳浓度预测模型生成方法的步骤。

11、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述基于tdlas的二氧化碳浓度预测模型生成方法的步骤。

12、采用本发明实施例可以包括以下有益效果：本发明实施例针对二氧化碳浓度检测对环境敏感的问题，基于机器学习理论，将环境干扰和变化对检测精度的影响视为二氧化碳预测模型的变化，进而采用域适应方法进行模型调整，最终实现检测仪器在不同电厂、不同机组、不同环境的下的准确检测。

技术特征：

1.一种基于可调谐半导体激光吸收光谱tdlas的二氧化碳浓度预测模型生成方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

3.根据权利要求1所述的方法，其特征在于，所述二氧化碳浓度预测模型参数具体包括：全连接神经网络模型参数、全连接分类器参数以及svm分类器参数。

4.根据权利要求1所述的方法，其特征在于，所述根据所述两种分类结果通过损失函数不断迭代更新所述二氧化碳浓度预测模型参数具体包括：

5.一种基于可调谐半导体激光吸收光谱tdlas的二氧化碳浓度预测模型生成系统，其特征在于，包括：

6.根据权利要求5所述的系统，其特征在于，所述系统进一步包括：

7.根据权利要求5所述的系统，其特征在于，所述二氧化碳浓度预测模型参数具体包括：全连接神经网络模型参数、全连接分类器参数以及svm分类器参数。

8.根据权利要求5所述的系统，其特征在于，所述生成模块具体用于：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-4中所述的基于可调谐半导体激光吸收光谱tdlas的二氧化碳浓度预测模型生成方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1-4中所述的基于可调谐半导体激光吸收光谱tdlas的二氧化碳浓度预测模型生成方法的步骤。

技术总结本说明书实施例提供了一种基于可调谐半导体激光吸收光谱TDLAS的二氧化碳浓度预测模型生成方法及系统，其中，方法包括：初始化二氧化碳浓度预测模型参数；对二氧化碳浓度标签充分的场景数据集进行采样得到源域特征以及对应标签，对没有二氧化碳浓度标签的场景数据集进行采样得到目标域特征，将所述源域特征以及对应标签和所述目标域特征输入全连接神经网络模型得到特征数据，将所述特征数据分别输入全连接分类器和SVM分类器得到两种分类结果，其中，所述源域特征和所述目标域特征均为二氧化碳浓度分析仪的不同光谱强度；根据所述两种分类结果通过损失函数不断迭代更新所述二氧化碳浓度预测模型参数至最大迭代数，得到训练好的二氧化碳浓度预测模型。技术研发人员：杜明生,种潇,王嘉亮,白玉勇,李玉宇,张鹏,李飞受保护的技术使用者：大唐环境产业集团股份有限公司技术研发日：技术公布日：2024/9/12