城市固废(MSW)是指人类因日常生活需求而无可避免所产生的固态废弃物,即“生活垃圾”。城市固废焚烧(MSWI)在生活垃圾的无害化、减量化和资源化处理等方面具有显著优势。但是,MSW过程会产生具有极强化学和热稳定性的剧毒持久性有机污染物----二噁英(DXN),其直接从基因层面去破坏生物体进而引发细胞癌变,并在生物体内具有积聚效应,对人类健康和生态环境造成巨大潜在危害。此外,DXN也是造成MSWI建厂存在“邻避效应”的主要原因。研究表明,进行DXN排放浓度的实时检测是实现以降低污染排放为直接目标的MSWI过程运行优化的关键因素之一。目前,工业现场只能以月/季为周期或更长不确定周期对DXN采用离线化验方式进行直接检测,这种方式虽然精度高但仍然存在滞后时间尺度大、检测费用昂贵等缺点。另外一种基于指示物/关联物的在线间接检测法,虽然在滞后时间尺度上缩短至小时但依然存在检测设备组成复杂、难以维护以及映射模型稳定性不足等缺点。此外,DXN的排放机理复杂,难以构建精确的数学模型。与DXN排放浓度相关的过程变量高达数百维,相互之间存在较强的冗余性和非线性关系;现场采集和存储的过程数据虽然数量大但能够标记的用于构建DXN排放浓度模型的样本却极为稀少,这导致现有数据驱动软测量模型的泛化能力差。因此,DXN排放浓度软测量可归结为一类面向稀疏标记数据的高维小样本建模问题。目前,基于真实工业数据进行的DXN排放软测量的研究未见报道。基于上述原因,本文针对利用工业现场的大量无标记和少量有标记样本进行研究,以便为MSWI过程的运行优化提供关键支撑。论文的主要研究工作和创新点如下:1.针对DXN机理知识难以获取的问题,提出了基于商业流程模拟软件的MSWI过程DXN排放浓度数值仿真策略。基于热量与物质平衡工艺设计标准对焚烧炉内的DXN排放过程进行数值仿真,并与原热质平衡设计数据进行了初步比较与分析,更为深入的仿真与分析将为DXN排放浓度软测量提供机理支撑。2.针对模型输入变量高维且相互之间存在较强共线性的问题,提出了面向MSWI过程DXN排放浓度软测量的多层特征选择方法。首先,从单特征与DXN相关性视角,结合相关系数和互信息构建综合评价值指标,实现MSWI多个子系统过程变量的第1层特征选择;接着,从多特征冗余性和特征选择鲁棒性视角,多次运行基于遗传算法-偏最小二乘法(GA-PLS)的特征选择算法,实现第2层特征选择;最后,结合上层选择特征的统计频次、模型预测性能及机理知识进行第3层特征选择。结合某MSWI过程的多年DXN数据验证了所提方法的有效性。3.针对建模数据的有标记样本稀缺问题,提出了基于大趋势扩散虚拟样本生成技术的DXN排放浓度软测量方法。首先,采用基于真实样本子区域欧氏距离的大趋势扩散技术(MTD)技术对输入/输出样本空间进行扩展;接着,采用等间隔插值方式生成虚拟样本输入,结合映射模型和删减机制生成虚拟样本输出;然后,采用改进的随机权神经网络隐含层插值得到虚拟样本输出,并反推获得虚拟样本输入,并结合扩展后的输入/输出空间对虚拟样本进行删减;最后,将上述具有互补性的输入/输出虚拟样本与原始真实样本进行混合,实现样本容量的扩充。结合某MSWI过程的多年DXN数据验证了该VSG技术的有效性和合理性。4.针对工业现场大量无标记样本蕴含知识未获得有效利用的问题,提出了基于非监督无标记样本学习的DXN排放浓度软测量方法。首先,基于大量无标记样本进行模型预训练以提取其所蕴含的特征知识;接着,基于有标记建模样本,提出采用自适应学习率误差反向传播算法对预训练模型权值进行迭代微调,提出采用神经元随机失活(dropout)机制提高模型鲁棒性;最后通过某MSWI过程的DXN数据集验证了所提方法的有效性和合理性。