本发明提出一种基于动态深度置信网络的固体废弃物智能处理方法，属于深度学习、固体废弃物智能处理领域。该方法首先提出一种使用动态增减枝算法的DDBN，使DDBN在训练过程中根据当前训练情况增加隐藏层神经元和隐藏层，以及移除冗余神经元，有效的优化DDBN的网络结构。然后，利用DDBN能有效提取原始数据主要特征的优势，使用DDBN对固体废弃物随机、离散、非线性的特征向量进行有效的状态描述，使时间序列的状态特征更加易于鉴别，并确保不丢失原始数据的主要信息。同时，根据提取到的固体废弃物的状态描述，利用DDBN预测适合其状态的优化燃烧行为，减少了盲目燃烧行为对资源的浪费，实现对固体废弃物的智能处理。 | 
