本文關(guān)鍵詞：基于LS-SVM的Q學(xué)習(xí)算法求解鋼鐵企業(yè)大規(guī)模能源預(yù)測(cè)問(wèn)題的研究　出處：《東北大學(xué)》2014年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 能源介質(zhì)預(yù)測(cè) Q學(xué)習(xí) 最小二乘支持向量機(jī)

【摘要】：鋼鐵企業(yè)是中國(guó)能源消耗大戶(hù),隨著國(guó)內(nèi)能源形勢(shì)的不斷緊迫和自然環(huán)境的逐步惡化,政府對(duì)鋼鐵企業(yè)能源消耗問(wèn)題越來(lái)越重視,在這樣一個(gè)特殊背景下,鋼鐵企業(yè)提高自身能源利用率,開(kāi)發(fā)節(jié)能減排技術(shù),不僅僅節(jié)約能源成本,而且提高企業(yè)綜合競(jìng)爭(zhēng)力。本文以典型鋼鐵企業(yè)能源介質(zhì)的消耗預(yù)測(cè)為背景,設(shè)計(jì)Q學(xué)習(xí)與最小二乘支持向量機(jī)混合方法來(lái)對(duì)大規(guī)模能源預(yù)測(cè)問(wèn)題進(jìn)行求解,以達(dá)到節(jié)省能源,提高效率的目的。主要內(nèi)容如下：(1)鋼鐵企業(yè)對(duì)其能源介質(zhì)消耗進(jìn)行預(yù)測(cè)時(shí),大規(guī)模的歷史數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)可以有效提高預(yù)測(cè)結(jié)果精度,但大規(guī)模的預(yù)測(cè)問(wèn)題,會(huì)存在預(yù)測(cè)時(shí)間長(zhǎng)、預(yù)測(cè)精度差、預(yù)測(cè)模型不穩(wěn)定等問(wèn)題。本文以天為時(shí)間單位,利用鋼鐵企業(yè)一年的歷史訓(xùn)練數(shù)據(jù)進(jìn)行分析測(cè)試,對(duì)未來(lái)一天或者多天的能耗情況進(jìn)行預(yù)測(cè)。(2)本文提出了基于最小二乘支持向量機(jī)的Q學(xué)習(xí)方法來(lái)解決鋼鐵企業(yè)大規(guī)模能源預(yù)測(cè)時(shí)存在的預(yù)測(cè)時(shí)間長(zhǎng)、預(yù)測(cè)精度差等問(wèn)題。大規(guī)模歷史數(shù)據(jù)進(jìn)行訓(xùn)練時(shí),最小二乘支持向量機(jī)可以避免Q學(xué)習(xí)系統(tǒng)遍歷所有狀態(tài),加快系統(tǒng)學(xué)習(xí)速度,使其在有限的學(xué)習(xí)經(jīng)驗(yàn)和有限的記憶中實(shí)現(xiàn)對(duì)一個(gè)更大范圍空間知識(shí)的有效學(xué)習(xí)和表達(dá)�；旌纤惴ㄅc基于PSO的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法作比較實(shí)驗(yàn)顯示,在誤差相差不大情況下,本文混合算法的預(yù)測(cè)值可以更好的跟隨實(shí)績(jī)值,為此證明了本文算法的有效性。(3)為了進(jìn)一步提高混合算法的性能,將最小時(shí)間窗的在線學(xué)習(xí)技術(shù)引入訓(xùn)練學(xué)習(xí)集中增加系統(tǒng)的訓(xùn)練規(guī)模,將Doolittle分解法代替普通高斯分解法求解最小二乘支持向量機(jī)的線性方程加快算法的預(yù)測(cè)速度；將模擬退火算法引入Q學(xué)習(xí)算法中提高算法精度。數(shù)值試驗(yàn)顯示,改進(jìn)后的算法相對(duì)與原算法速度和精度顯著提高。(4)根據(jù)算法預(yù)測(cè)性能以及用戶(hù)需求,本文開(kāi)發(fā)了鋼鐵企業(yè)工序能源預(yù)測(cè)系統(tǒng)。系統(tǒng)主要設(shè)計(jì)了對(duì)不同工序中所含介質(zhì)的預(yù)測(cè)功能,提供了工序管理、能源介質(zhì)管理、歷史實(shí)績(jī)數(shù)據(jù)管理等基礎(chǔ)性管理,并且提供了豐富的圖表功能,方便決策者管理。
[Abstract]:Iron and steel enterprises are the major users of energy consumption in China. With the constant urgency of domestic energy situation and the gradual deterioration of the natural environment, the government pays more and more attention to the energy consumption of iron and steel enterprises, under such a special background. Iron and steel enterprises to improve their own energy utilization, the development of energy-saving emission reduction technology, not only to save energy costs, but also to improve the comprehensive competitiveness of enterprises. A hybrid method of Q learning and least square support vector machine is designed to solve the large-scale energy prediction problem in order to save energy. The purpose of improving efficiency. The main contents are as follows: 1) when iron and steel enterprises predict their energy consumption, large-scale historical data as training data can effectively improve the accuracy of prediction results. However, large scale prediction problems, such as long prediction time, poor prediction accuracy, unstable prediction model and so on. This paper takes days as the time unit, using the historical training data of iron and steel enterprises to analyze and test. This paper proposes a Q-learning method based on least squares support vector machine (LS-SVM) to solve the problem of large scale energy prediction in iron and steel enterprises. The least square support vector machine can avoid the Q learning system traversing all states and accelerate the system learning speed. The hybrid algorithm is compared with the neural network prediction algorithm based on PSO to realize the effective learning and expression of a larger range of spatial knowledge in the limited learning experience and limited memory. In the case of little error difference, the prediction value of the hybrid algorithm can better follow the performance value, which proves the effectiveness of the algorithm. 3) in order to further improve the performance of the hybrid algorithm. The minimum time window online learning technology is introduced into the training learning focus to increase the training scale of the system. The Doolittle decomposition method is used instead of the ordinary Gao Si decomposition method to solve the linear equations of the least squares support vector machine (LS-SVM). The simulated annealing algorithm is introduced into the Q-learning algorithm to improve the accuracy of the algorithm. Numerical experiments show that the improved algorithm improves the speed and accuracy of the algorithm significantly compared with the original algorithm. In this paper, a process energy prediction system for iron and steel enterprises is developed. The system mainly designs the prediction function of medium contained in different processes, and provides process management and energy medium management. Historical performance data management and other basic management, and provides a wealth of chart functions for decision-maker management.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：F426.31;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;1999年世界鋼鐵企業(yè)排列[J];冶金經(jīng)濟(jì)與管理;2000年02期

2 劉毅民,陳錦;地方鋼鐵企業(yè)質(zhì)量管理初探[J];新疆技術(shù)監(jiān)督;2000年04期

3 ;入世對(duì)鋼鐵企業(yè)意味著什么?[J];新疆鋼鐵;2001年01期

4 顧厚淳;全國(guó)鋼鐵企業(yè)動(dòng)力節(jié)能促進(jìn)會(huì)年會(huì)在海口召開(kāi)[J];冶金動(dòng)力;2001年04期

5 鄒紅 ,劉慧 ,李淑好;我國(guó)鋼鐵企業(yè)的管理創(chuàng)新[J];冶金管理;2001年11期

6 徐海;降低鋼鐵企業(yè)成本探析[J];冶金經(jīng)濟(jì)與管理;2001年03期

7 薛利釗;世界大型鋼鐵企業(yè)的鋼產(chǎn)量排序變化[J];冶金經(jīng)濟(jì)與管理;2001年04期

8 于寶君;鋼鐵企業(yè)創(chuàng)新科研機(jī)制的基本思路[J];冶金信息導(dǎo)刊;2001年04期

9 孟慶江;我國(guó)鋼鐵企業(yè)亟待資產(chǎn)重組[J];江西冶金;2002年03期

10 熊婭蓉;在入世條件下增強(qiáng)國(guó)有鋼鐵企業(yè)競(jìng)爭(zhēng)力必須練好四個(gè)功[J];四川冶金;2002年03期

相關(guān)會(huì)議論文 前10條

1 符新;;關(guān)于鋼鐵企業(yè)開(kāi)展節(jié)能降耗工作的幾點(diǎn)建議[A];2010年全國(guó)能源環(huán)保生產(chǎn)技術(shù)會(huì)議文集[C];2010年

2 劉全金;閻國(guó)榮;王其;;《鋼鐵企業(yè)節(jié)水設(shè)計(jì)規(guī)范》發(fā)布實(shí)施對(duì)鋼鐵企業(yè)建設(shè)的重要意義[A];2010年全國(guó)能源環(huán)保生產(chǎn)技術(shù)會(huì)議文集[C];2010年

3 袁曉慧;;鋼鐵企業(yè)如何制定重、特大設(shè)備事故應(yīng)急預(yù)案[A];第三屆全國(guó)現(xiàn)代設(shè)備管理及應(yīng)用技術(shù)研討會(huì)交流論文集[C];2004年

4 程明;姜春梅;;中國(guó)鋼鐵企業(yè)人力資源管理創(chuàng)新[A];2007中國(guó)鋼鐵年會(huì)論文集[C];2007年

5 路文亮;;從鋼鐵企業(yè)安全現(xiàn)狀出發(fā)強(qiáng)化教育培訓(xùn)的幾點(diǎn)思考[A];2012年全國(guó)冶金安全環(huán)保暨能效優(yōu)化學(xué)術(shù)交流會(huì)論文集[C];2012年

6 金亞飚;;鋼鐵企業(yè)雨水資源應(yīng)用及主要問(wèn)題淺析[A];第七屆(2009)中國(guó)鋼鐵年會(huì)大會(huì)論文集(中)[C];2009年

7 鄒紅;;我國(guó)鋼鐵企業(yè)迎接“入世”的幾點(diǎn)看法[A];中國(guó)金屬學(xué)會(huì)冶金技術(shù)經(jīng)濟(jì)專(zhuān)業(yè)委員會(huì)第七屆年會(huì)論文集[C];2001年

8 侯海云;;鋼鐵企業(yè)逆向物流管理[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國(guó)科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

9 李文兵;;流程模擬在鋼鐵企業(yè)中的應(yīng)用[A];冶金企業(yè)MES和ERP技術(shù)實(shí)踐論文集[C];2005年

10 廖美春;;對(duì)我國(guó)中央直管鋼鐵企業(yè)進(jìn)入世界500強(qiáng)的思考[A];冶金技術(shù)經(jīng)濟(jì)學(xué)術(shù)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 秦學(xué);國(guó)內(nèi)鋼鐵企業(yè)面臨技術(shù)瓶頸[N];現(xiàn)代物流報(bào);2007年

2 馬忠普;中國(guó)鋼鐵企業(yè)重組將現(xiàn)新局面[N];現(xiàn)代物流報(bào);2008年

3 ;世界級(jí)鋼鐵企業(yè)競(jìng)爭(zhēng)力排名(2009年11月)[N];世界金屬導(dǎo)報(bào);2009年

4 包斯文;民營(yíng)鋼鐵企業(yè)屢遭生存之困[N];上海證券報(bào);2005年

5 本報(bào)記者 于萍;鋼鐵企業(yè)投資應(yīng)精打細(xì)算[N];中國(guó)證券報(bào);2012年

6 記者 吳勇;鋼鐵企業(yè)“走出去”應(yīng)“借船出�！盵N];中國(guó)冶金報(bào);2012年

7 記者 王翔;為企業(yè)發(fā)展?fàn)I造良好環(huán)境[N];邯鄲日?qǐng)?bào);2012年

8 本報(bào)記者 張強(qiáng) 通訊員 楊夢(mèng)名 朱元潔;鋼鐵企業(yè)的擁軍情[N];科技日?qǐng)?bào);2012年

9 首席記者 蔡立軍;天津三特電子助鋼鐵企業(yè)建立產(chǎn)品 “數(shù)字名片”[N];中國(guó)冶金報(bào);2012年

10 畢英杰;從寶鋼的實(shí)踐看鋼鐵企業(yè)信息化建設(shè)的途徑和方向[N];中國(guó)冶金報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 祝麗云;資源和環(huán)境約束下中國(guó)鋼鐵企業(yè)兩階段效率評(píng)價(jià)研究[D];北京科技大學(xué);2016年

2 馮蘭剛;鋼鐵企業(yè)生態(tài)經(jīng)濟(jì)績(jī)效測(cè)度研究[D];天津大學(xué);2011年

3 胡瑜;集團(tuán)化鋼鐵企業(yè)信息系統(tǒng)整合關(guān)鍵技術(shù)研究[D];天津大學(xué);2013年

4 王宏亮;鋼鐵企業(yè)多粒度分型生產(chǎn)計(jì)劃管理方法研究[D];大連理工大學(xué);2011年

5 于宏民;基于資源利用效率的中國(guó)鋼鐵企業(yè)可持續(xù)發(fā)展指標(biāo)體系及融資評(píng)價(jià)研究[D];東北大學(xué)　;2009年

6 伍景瓊;多期決策下鋼鐵企業(yè)采購(gòu)與生產(chǎn)庫(kù)存優(yōu)化研究[D];西南交通大學(xué);2012年

7 胡勁草;鋼鐵企業(yè)設(shè)備備件分類(lèi)評(píng)估及庫(kù)存優(yōu)化算法應(yīng)用研究[D];武漢理工大學(xué);2014年

8 倪子靖;轉(zhuǎn)型經(jīng)濟(jì)中的分層俘獲[D];浙江大學(xué);2011年

9 肖文偉;基于戰(zhàn)略的鋼鐵企業(yè)競(jìng)爭(zhēng)力分析及其綜合評(píng)價(jià)方法研究[D];中南大學(xué);2010年

10 肖彥;低碳生態(tài)經(jīng)濟(jì)視角下鋼鐵企業(yè)綜合績(jī)效評(píng)價(jià)[D];中南林業(yè)科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 呂洋;我國(guó)大型鋼鐵企業(yè)市場(chǎng)營(yíng)銷(xiāo)策略研究[D];西南大學(xué);2010年

2 汪義平;我國(guó)鋼鐵企業(yè)重組：動(dòng)因、現(xiàn)狀、對(duì)策研究[D];安徽工業(yè)大學(xué);2011年

3 呂紀(jì)永;中小型鋼鐵企業(yè)發(fā)展戰(zhàn)略研究[D];鄭州大學(xué);2006年

4 尹景燕;鋼鐵企業(yè)事故共性誘因研究[D];河北聯(lián)合大學(xué);2014年

5 段天玉;武安市鋼鐵企業(yè)用地布局優(yōu)化[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

6 秦海燕;我國(guó)鋼鐵企業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)研究[D];河北聯(lián)合大學(xué);2014年

7 李玉芳;企業(yè)社會(huì)責(zé)任暨評(píng)價(jià)體系研究[D];河北聯(lián)合大學(xué);2014年

8 陳桂玲;鋼鐵企業(yè)空分制氧節(jié)能優(yōu)化的研究[D];山東建筑大學(xué);2015年

9 高琨;基于Petri網(wǎng)理論的鋼鐵企業(yè)生產(chǎn)過(guò)程能效分析研究[D];天津理工大學(xué);2015年

10 胡敢;寶鋼發(fā)展過(guò)程的政府干預(yù)研究[D];華南理工大學(xué);2015年

，

本文編號(hào)：1374813