基于主动学习机制GAN的MSWI过程二噁英排放风险预警模型
针对构建城市固废焚烧(municipal solid waste incineration,MSWI)过程剧毒污染物二噁英(dioxin,DXN)排放风险预警模型的样本极为稀少的问题,提出一种基于主动学习机制生成对抗网络(generative adversarial network,GAN)的DXN排放风险预警建模方法.首先,以DXN风险等级作为条件信息使得GAN生成候选虚拟样本;然后,利用基于最大均值差异和多视角可视化分布信息的主动学习机制进行虚拟样本的初筛和评估,以获得期望虚拟样本;最后,基于混合样本构建DXN排放风险预警模型.通过基准数据集和MSWI过程数据集验证了所提方法的有效性.基于主动学习机制GAN的DXN排放风险预警建模方法可以有效解决样本稀少的问题,提高模型精度.
城市固废焚烧(municipal solid waste incineration、MSWI)、二噁英(dioxin、DXN)排放风险预警、生成对抗网络(generative adversarial network、GAN)、虚拟样本生成(virtual sample generation、VSG)、最大均值差异、主动学习
49
U461;TP308(汽车工程)
国家自然科学基金;北京市自然科学基金资助项目
2023-05-15（万方平台首次上网日期，不代表论文的发表时间）
共16页
507-522
