基于SVC-ENN钢铁企业副产煤气消耗量的预测建模

摘要：

针对钢铁企业副产煤气消耗量的机理模型难以对消耗量进行精确预测的问题,通过分析副产煤气消耗量特点,建立SVC-ENN模型对副产煤气的消耗量进行预测.根据企业实际数据应用模型,结果表明,对烧结工序、炼钢工序、连铸工序30个点和60个点进行测试分类准确率分别为90％,96.67％,98.33％;96.67％,95％,100％.根据分类结果建立模型进行预测,预测平均相对误差分别为0.8％,0.5％,0.9％;2.1％,0.8％,1.3％.所建模型分类准确,预测效果良好,适合副产煤气消耗量的预测.

关键词：Elman神经网络、支持向量分类、最小二乘支持向量机

所属期刊栏目：38

分类号：TF55(炼铁)

资助基金：国家自然科学基金51066002/E060701;NSFC-云南联合基金U0937604

在线出版日期：2013-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74