基于大数据的高炉煤气产消量预测研究

发布时间：2021-12-30 03:49

　　针对高炉煤气相关数据利用率低、预测模型建立困难、预测精度低等问题,合理地利用大量历史数据,建立一种准确且高效的高炉煤气产消量预测模型显得尤为重要。高炉煤气产消量预测模型的建立不仅能为调度人员提供决策信息,而且能减少企业能源消耗,实现节能减排。基于前期在唐山某钢铁企业的实地调研,共采集了105个测点,10G以上的历史数据。针对历史数据,采用箱线图分析法和线性归一化对样本数据进行了预处理,并且运用灰色关联分析法提取出七种高炉煤气产生量的主要影响因素。针对处理后的实验数据,建立了两种预测模型进行高炉煤气产消量的预测研究。首先,提出了一种基于长短期记忆网络（LSTM）与自回归积分滑动平均模型（ARIMA）组合预测模型,该模型的提出是基于LSTM和ARIMA两模型预测结果与实验数据真实值的对比情况。对比结果显示LSTM模型预测结果值比真实值普遍偏低,而ARIMA模型预测结果比真实值普遍偏高。基于上述现象,采用CRITIC方法将两种模型预测结果进行了融合处理。通过与其他模型对比,组合预测模型将预测结果均方根误差减小到2.325,明显改善了ARIMA和LSTM两模型在预测特性上的弊端,降低了预测误差... 

【文章来源】：华北理工大学河北省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

ReLU函数(左)与tanh函数(右)对比图


本文编号：3557415