本项目面向工业脱硫脱硝系统在复杂工况下排放达标、能耗药耗高和人工调节依赖强等问题，构建数据驱动的智能运行辅助方案。项目以企业现场历史运行数据为基础，围绕数据治理、关键指标预测、Simulink仿真建模和运行策略优化四个环节开展研究，在不公开现场敏感点位和原始数据的前提下，提炼可复用的建模与验证流程，为环保工艺系统精准控制、稳定运行和低碳节能提供技术支撑。

项目目标是在满足污染物排放和工艺安全约束的基础上，提高脱硫脱硝运行控制的精准性、稳定性和经济性。具体包括：完成多源运行数据的时间对齐、异常识别与特征构建；建立出口SO₂等关键指标的短时预测和异常预警模型；构建可用于工况扰动分析的Simulink仿真模型；设计面向加药量、循环泵等运行参数的优化策略，并通过规则策略、参数搜索和强化学习方法对控制效果进行对比验证。

项目形成了覆盖数据处理、预测建模、仿真标定和策略验证的完整技术链路。研究完成了SO₂序列清洗与特征融合，建立了Mechanistic+Residual短时预测模型和双通道异常预警机制；完成脱硫过程 Simulink 模型标定，可用于参数扫描和运行策略测试；在约束条件下给出低成本推荐策略，并完成强化学习策略泛化验证。相关成果可为后续现场部署、优秀项目展示和同类环保系统智能化改造提供参考。