建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量

被引：11

作者：

李红娟

王建军

王华

孟华

机构：

[1] 昆明理工大学冶金节能减排教育部工程研究中心

来源：

过程工程学报 | 2013年 / 13卷 / 03期

关键词：

高炉煤气发生量; 概率神经网络; HP滤波; Elman神经网络; 最小二乘支持向量机; PNN-HP-ENN-LSSVM模型;

D O I：

暂无

中图分类号：

TF055 [气体燃料及燃烧];

学科分类号：

摘要：

针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSSVM)各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证.结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测.Wilcoxon符号秩检验也验证了所提建模方法的有效性.

引用

页码：451 / 457

页数：7

共 9 条

[1] 钢铁企业主工序分厂煤气量预测方法研究.[D].刘渺.中南大学.2006, 06
[2] 基于Elman神经网络的面板堆石坝沉降预测模型
吕飞
沈振中
[J]. 水电能源科学, 2011, 29 (12) : 56 - 59
[3] 钢铁企业高炉煤气发生量的在线预测建模
张晓平
汤振兴
赵珺
王伟
丛力群
冯为民
[J]. 信息与控制, 2010, 39 (06) : 774 - 782
[4] 钢铁厂煤气资源的回收与利用
张琦
蔡九菊
王建军
董辉
张兴良
[J]. 钢铁, 2009, 44 (12) : 95 - 99
[5] 人工神经网络在天然气负荷预测中的应用
杨昭
刘燕
苗志彬
刘振能
[J]. 煤气与热力, 2003, (06) : 331 - 332+336
[6] Forecasting Daily Gas Load with OIHF-Elman Neural Network.[J].Hong Zhou;Gang Su;Guofang Li.Procedia Computer Science.2011,
[7] Modeling word perception using the Elman network.[J].Cheng-Yuan Liou;Jau-Chi Huang;Wen-Chie Yang.Neurocomputing.2008, 16
[8] 灰色系统理论及其应用.[M].刘思峰等著;.科学出版社.1999,
[9] 灰色系统理论教程.[M].邓聚龙著;.华中理工大学出版社.1990,

← 1 →