針對高爐煤氣相關(guān)數(shù)據(jù)利用率低、預(yù)測模型建立困難、預(yù)測精度低等問題,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)測模型顯得尤為重要。高爐煤氣產(chǎn)消量預(yù)測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,實現(xiàn)節(jié)能減排�；谇捌谠谔粕侥充撹F企業(yè)的實地調(diào)研,共采集了105個測點,10G以上的歷史數(shù)據(jù)。針對歷史數(shù)據(jù),采用箱線圖分析法和線性歸一化對樣本數(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。針對處理后的實驗數(shù)據(jù),建立了兩種預(yù)測模型進(jìn)行高爐煤氣產(chǎn)消量的預(yù)測研究。首先,提出了一種基于長短期記憶網(wǎng)絡(luò)（LSTM）與自回歸積分滑動平均模型（ARIMA）組合預(yù)測模型,該模型的提出是基于LSTM和ARIMA兩模型預(yù)測結(jié)果與實驗數(shù)據(jù)真實值的對比情況。對比結(jié)果顯示LSTM模型預(yù)測結(jié)果值比真實值普遍偏低,而ARIMA模型預(yù)測結(jié)果比真實值普遍偏高�；谏鲜霈F(xiàn)象,采用CRITIC方法將兩種模型預(yù)測結(jié)果進(jìn)行了融合處理。通過與其他模型對比,組合預(yù)測模型將預(yù)測結(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)測特性上的弊端,降低了預(yù)測誤差... 

【文章來源】：華北理工大學(xué)河北省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

ReLU函數(shù)(左)與tanh函數(shù)(右)對比圖


本文編號：3557415