钢铁企业高炉煤气受入量的组合预测模型

摘要：

针对钢铁企业中高炉煤气（ BFG）受入量难以有效预测的问题，提出了一种基于数据滤波的组合预测模型。首先，采用经验模态分解（ EMD）法将原始训练数据分解为相互独立的固有模态函数，根据各模态函数自相关函数的特点滤去噪声分量，采用滤波后的重构序列作为训练样本；然后，采用组合的支持向量机（ SVM）模型对受入量进行预测，并利用遗传算法（ GA）对支持向量机的参数进行优化；最后，利用现场实际数据验证该模型的预测精度，并与传统预测方法相比较，三组预测的平均绝对百分误差分别为3.22'、4.43'和5.23'。结果表明该方法对高炉煤气受入量的预测具有较高精度，为煤气管网的平衡调度提供了决策支持。

关键词：高炉煤气受入量、经验模态分解、支持向量机、遗传算法

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61203302。

在线出版日期：2014-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：176-179,223