發(fā)布時(shí)間：2021-12-30 03:49

　　針對(duì)高爐煤氣相關(guān)數(shù)據(jù)利用率低、預(yù)測(cè)模型建立困難、預(yù)測(cè)精度低等問(wèn)題,合理地利用大量歷史數(shù)據(jù),建立一種準(zhǔn)確且高效的高爐煤氣產(chǎn)消量預(yù)測(cè)模型顯得尤為重要。高爐煤氣產(chǎn)消量預(yù)測(cè)模型的建立不僅能為調(diào)度人員提供決策信息,而且能減少企業(yè)能源消耗,實(shí)現(xiàn)節(jié)能減排。基于前期在唐山某鋼鐵企業(yè)的實(shí)地調(diào)研,共采集了105個(gè)測(cè)點(diǎn),10G以上的歷史數(shù)據(jù)。針對(duì)歷史數(shù)據(jù),采用箱線圖分析法和線性歸一化對(duì)樣本數(shù)據(jù)進(jìn)行了預(yù)處理,并且運(yùn)用灰色關(guān)聯(lián)分析法提取出七種高爐煤氣產(chǎn)生量的主要影響因素。針對(duì)處理后的實(shí)驗(yàn)數(shù)據(jù),建立了兩種預(yù)測(cè)模型進(jìn)行高爐煤氣產(chǎn)消量的預(yù)測(cè)研究。首先,提出了一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）與自回歸積分滑動(dòng)平均模型（ARIMA）組合預(yù)測(cè)模型,該模型的提出是基于LSTM和ARIMA兩模型預(yù)測(cè)結(jié)果與實(shí)驗(yàn)數(shù)據(jù)真實(shí)值的對(duì)比情況。對(duì)比結(jié)果顯示LSTM模型預(yù)測(cè)結(jié)果值比真實(shí)值普遍偏低,而ARIMA模型預(yù)測(cè)結(jié)果比真實(shí)值普遍偏高。基于上述現(xiàn)象,采用CRITIC方法將兩種模型預(yù)測(cè)結(jié)果進(jìn)行了融合處理。通過(guò)與其他模型對(duì)比,組合預(yù)測(cè)模型將預(yù)測(cè)結(jié)果均方根誤差減小到2.325,明顯改善了ARIMA和LSTM兩模型在預(yù)測(cè)特性上的弊端,降低了預(yù)測(cè)誤差... 

【文章來(lái)源】：華北理工大學(xué)河北省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ReLU函數(shù)(左)與tanh函數(shù)(右)對(duì)比圖


本文編號(hào)：3557415