基于數(shù)據(jù)解析的鋼鐵企業(yè)能源預(yù)測(cè)問題研究
發(fā)布時(shí)間:2023-08-06 17:31
在可持續(xù)發(fā)展和生態(tài)文明的大環(huán)境下,鋼鐵企業(yè)作為我國(guó)能源消耗大戶,如何提高自身的能源利用率和綜合競(jìng)爭(zhēng)力成為當(dāng)務(wù)之急。因此,本文以鋼鐵企業(yè)的能源消耗預(yù)測(cè)為研究背景,在明確了鋼鐵企業(yè)現(xiàn)有的能耗問題及其局限性的基礎(chǔ)上,對(duì)能源預(yù)測(cè)問題進(jìn)行分析研究,利用BP神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)算法對(duì)各工序的能耗數(shù)據(jù)進(jìn)行預(yù)測(cè),把握能源消耗的趨勢(shì),減少能源的浪費(fèi),降低鋼鐵生產(chǎn)和貯存成本。最后根據(jù)鋼鐵企業(yè)的實(shí)際需求,設(shè)計(jì)開發(fā)了 Web版鋼鐵企業(yè)能源預(yù)測(cè)系統(tǒng)。本文主要的研究工作總結(jié)如下:(1)首先本文綜合研究了國(guó)內(nèi)外能源預(yù)測(cè)問題研究現(xiàn)狀,分析了目前鋼鐵企業(yè)能源介質(zhì)消耗的機(jī)理和存在的現(xiàn)實(shí)問題。對(duì)各主工序流程中能源介質(zhì)消耗和回收情況進(jìn)行了研究和分析,并按能源介質(zhì)消耗機(jī)理和計(jì)量方式的不同將能耗預(yù)測(cè)問題進(jìn)行了分類研究。(2)對(duì)于按月統(tǒng)計(jì)的小規(guī)模樣本數(shù)據(jù)集,提出基于差分進(jìn)化算法的混核最小二乘支持向量機(jī)算法模型來求解預(yù)測(cè)問題,差分進(jìn)化算法用于對(duì)影響模型預(yù)測(cè)精度的參數(shù)進(jìn)行優(yōu)化。然后對(duì)該預(yù)測(cè)模型進(jìn)行了求解,并與基于差分進(jìn)化的單核最小二乘支持向量機(jī)模型的結(jié)果進(jìn)行了比較,表明了該算法對(duì)能耗預(yù)測(cè)問題具有較高的精度。(3)針對(duì)大規(guī)模的樣...
【文章頁數(shù)】:74 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 鋼鐵企業(yè)能源預(yù)測(cè)問題研究現(xiàn)狀
1.2.2 預(yù)測(cè)方法研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容及研究路線
1.3.1 主要研究?jī)?nèi)容
1.3.2 主要研究路線
1.4 本章小結(jié)
第2章 鋼鐵企業(yè)能源介質(zhì)預(yù)測(cè)問題
2.1 鋼鐵企業(yè)能源管理現(xiàn)狀和能耗問題
2.1.1 鋼鐵企業(yè)能源管理現(xiàn)狀
2.1.2 鋼鐵企業(yè)能耗分析
2.2 鋼鐵企業(yè)工序能耗預(yù)測(cè)問題
2.2.1 鋼鐵企業(yè)能耗影響因素分析和用能計(jì)劃流程
2.2.2 鋼鐵企業(yè)工序能耗預(yù)測(cè)問題分類
2.3 本章小結(jié)
第3章 基于DE的混核LSSVM預(yù)測(cè)研究
3.1 LSSVM模型
3.2 差分進(jìn)化算法
3.3 單核LSSVM模型
3.3.1 數(shù)據(jù)處理
3.3.2 模型求解
3.4 基于DE的混核LSSVM模型
3.4.1 混核模型求解
3.4.2 數(shù)值實(shí)驗(yàn)
3.5 本章小結(jié)
第4章 基于DE的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究
4.1 神經(jīng)網(wǎng)絡(luò)模型
4.2 基于DE的BP神經(jīng)網(wǎng)絡(luò)算法
4.2.1 DE-BP神經(jīng)網(wǎng)絡(luò)模型
4.2.2 DE-BP模型求解
4.3 數(shù)值實(shí)驗(yàn)和結(jié)果分析
4.4 本章小結(jié)
第5章 鋼鐵企業(yè)能源介質(zhì)預(yù)測(cè)系統(tǒng)
5.1 系統(tǒng)需求分析
5.2 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
5.3 數(shù)據(jù)庫設(shè)計(jì)
5.4 功能模塊實(shí)現(xiàn)
5.5 本章小結(jié)
第6章 總結(jié)與展望
6.1 工作總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
本文編號(hào):3839748
【文章頁數(shù)】:74 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 鋼鐵企業(yè)能源預(yù)測(cè)問題研究現(xiàn)狀
1.2.2 預(yù)測(cè)方法研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容及研究路線
1.3.1 主要研究?jī)?nèi)容
1.3.2 主要研究路線
1.4 本章小結(jié)
第2章 鋼鐵企業(yè)能源介質(zhì)預(yù)測(cè)問題
2.1 鋼鐵企業(yè)能源管理現(xiàn)狀和能耗問題
2.1.1 鋼鐵企業(yè)能源管理現(xiàn)狀
2.1.2 鋼鐵企業(yè)能耗分析
2.2 鋼鐵企業(yè)工序能耗預(yù)測(cè)問題
2.2.1 鋼鐵企業(yè)能耗影響因素分析和用能計(jì)劃流程
2.2.2 鋼鐵企業(yè)工序能耗預(yù)測(cè)問題分類
2.3 本章小結(jié)
第3章 基于DE的混核LSSVM預(yù)測(cè)研究
3.1 LSSVM模型
3.2 差分進(jìn)化算法
3.3 單核LSSVM模型
3.3.1 數(shù)據(jù)處理
3.3.2 模型求解
3.4 基于DE的混核LSSVM模型
3.4.1 混核模型求解
3.4.2 數(shù)值實(shí)驗(yàn)
3.5 本章小結(jié)
第4章 基于DE的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究
4.1 神經(jīng)網(wǎng)絡(luò)模型
4.2 基于DE的BP神經(jīng)網(wǎng)絡(luò)算法
4.2.1 DE-BP神經(jīng)網(wǎng)絡(luò)模型
4.2.2 DE-BP模型求解
4.3 數(shù)值實(shí)驗(yàn)和結(jié)果分析
4.4 本章小結(jié)
第5章 鋼鐵企業(yè)能源介質(zhì)預(yù)測(cè)系統(tǒng)
5.1 系統(tǒng)需求分析
5.2 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
5.3 數(shù)據(jù)庫設(shè)計(jì)
5.4 功能模塊實(shí)現(xiàn)
5.5 本章小結(jié)
第6章 總結(jié)與展望
6.1 工作總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
本文編號(hào):3839748
本文鏈接:http://sikaile.net/projectlw/yjlw/3839748.html
最近更新
教材專著