湿法石灰石-石膏烟气脱硫工艺以石灰石为脱硫原料,以石膏为脱硫产物。这样在达到脱硫的目的同时还能将石膏再利用为企业带来额外价值。湿法石灰石-石膏烟气脱硫方法相比于其他脱硫工艺来说有着技术成熟、脱硫效果显著和再利用率高的特点,是目前工业中主要使用的脱硫工艺。湿法烟气脱硫是一个多变量、耦合性强、非线性的复杂过程。脱硫效率是衡量脱硫工艺的关键,而脱硫效率影响因素众多并且有些因素之间相互制约。协调每个因素之间动态平衡提高脱硫效率对于脱硫系统至关重要。对脱硫系统进行建模、优化并对脱硫效率进行预测具有一定的实际意义。首先本文对湿法烟气脱硫的工艺过程进行阐述,从化学和动力学等角度分析了脱硫效率、脱硫浆液p H值和出口烟气温度的影响因素为后文的建模和优化做准备。对火力发电厂脱硫系统的实际运行数据进行预处理,删除其中存在的异常值。通过灰度关联分析定量的分析了脱硫浆液p H值和出口烟气温度与其影响因素之间的关联程度做特征选择。分别采用梯度提升回归树(GBDT)、轻量梯度提升学习机(Light GBM)和极端梯度提升学习机(XGBoost)对脱硫浆液p H值和出口烟气温度进行建模。使用均方误差等评价指标对三种算法的性能进行评估选择出性能最好的Light GBM算法用于接下来的研究。其次本文对脱硫效率、脱硫浆液p H值和出口烟气温度进行深入的分析,发现提高脱硫浆液p H值会提高脱硫效率但是会降低出口烟气温度。为了获得较高的脱硫效率本文提出了以最大化脱硫浆液p H值和出口烟气温度为目标的多目标优化问题。通过粒子群优化算法(MOPSO)、第二代非支配排序的遗传算法(NSGA-II)和第三代非支配排序的遗传算法(NSGA-Ⅲ)三种算法寻找多目标优化问题对应的最优解集。通过超立方体(HV)指标对优化结果进行评价,结果表明NSGA-III算法有很好收敛性和均匀性,因此保存NSGA-III算法的优化结果用于脱硫效率的预测。最后本文采用模拟退火算法和贝叶斯优化算法分别对Light GBM算法和XGBoost算法进行参数优化,结果表明基于贝叶斯优化的Light GBM算法综合性能更好。以贝叶斯优化的Light GBM算法建立脱硫效率预测模型,将NSGA-III算法优化的最优解和原始数据带入预测模型作对比。结果表明,优化后的数据能够对脱硫效率有所提升。因此能够为脱硫系统的高效运行提供参考。