水泥是社会生产和建设中重要的原材料,作为国民经济重要的一环,它对于社会生产和人民生活来说占据着不可或缺的地位。近十年,中国水泥产量仍然保持着高速增长的状态,考虑到中国当前的经济发展水平,水泥的需求仍然有较大的上升空间。随着水泥产能的不断扩张及落后产能淘汰工作的推进,新型干法窑技术的使用比例持续增加,在提高能源使用效率的同时,氮氧化物的排放量也显著增加,由此引发的环境问题也越来越严重。现有针对水泥生产过程中氮氧化物减排的技术主要从三个方面进行,一是对设备进行改造,二是利用催化还原技术来处理氮氧化物,三是通过对生产过程中的各项参数进行优化实现氮氧化物减排。随着计算机科学技术的发展,参数优化的方法在氮氧化物排放标准日趋严格的大环境下,为企业解决氮氧化物减排问题提供了一种经济有效的途径。本文从参数优化的角度,利用企业实际生产数据建立预测模型,对水泥预分解窑氮氧化物排放进行预测和优化。论文的主要研究内容如下:(1)研究人工神经网络和遗传算法建立了根据水泥生产操作参数来对氮氧化物排放进行预测和优化的ANN-GA模型。利用人工神经网络模拟人类思维进行分布式并行信息处理的功能对氮氧化物排放进行模拟,通过企业实际生产操作参数和氮氧化物排放数据对模型进行训练,模型训练效果较好,根据10组测试数据结果可以发现,模型的预测值与实际值相对误差在2%以内,相关系数R为0.9902,精确性较好,能够对氮氧化物的排放浓度做出较为准确的预测。遗传算法用于寻找最优操作参数以实现氮氧化物减排,在最优的条件下,氮氧化物排放浓度为165.9mg/m3,远低于目前水泥行业氮氧化物排放国家标准400mg/m3。另外,为了确定不同参数对氮氧化物排放浓度的影响,针对模型参数进行了敏感性分析,敏感性分析结果显示,炉内温度、生料入炉量、三次风温对氮氧化物排放浓度的影响较大,其中炉内温度的升高与降低对氮氧化物排放浓度的影响均较为明显,而生料入炉量和三次风温一样,其参数升高对氮氧化物排放浓度的影响要明显大于其参数的降低。(2)研究多元线性回归模型并建立了根据水泥生产操作参数来预测和优化氮氧化物排放浓度的回归方程,在和ANN-GA模型相同的条件下,通过建立的回归方程对氮氧化物排放浓度进行预测和优化,根据10组测试数据结果可以发现,模型的预测值和实际值相对误差在4%以内,相关系数R为0.9176,精确性较好。根据建立的回归方程可以发现,生料入炉量、三次风温和喂煤量对氮氧化物排放浓度影响较大。(3)对ANN-GA模型和多元线性回归模型进行比较,从模型预测准确性和模型优化功能两个方面进行分析,结果表明,ANN-GA模型的预测值和实际值相对误差更小,预测效果更佳;在优化氮氧化物排放浓度方面,ANN-GA模型纳入了更多的操作参数,相对多元线性回归模型更符合实际情况。本论文利用参数优化的方法对水泥预分解窑氮氧化物排放进行了预测和优化,建立了两个常见的预测模型并进行了比较,可以为企业生产管理者进行氮氧化物减排提供一定的技术支持和参考依据。