面向波動爐況的高爐鐵水硅含量預(yù)測方法研究.pdf

1、準(zhǔn)確預(yù)測高爐鐵水硅含量是有效控制高爐的前提。高爐冶煉過程是十分復(fù)雜的物理化學(xué)變化過程，而且高爐內(nèi)部的生產(chǎn)條件非常嚴(yán)酷，通過儀器測得的信息十分有限，所以高爐鐵水硅含量的預(yù)測屬于時間序列預(yù)測問題中比較復(fù)雜的非平穩(wěn)時間序列預(yù)測問題。 BP神經(jīng)元網(wǎng)絡(luò)已經(jīng)在高爐鐵水硅含量的預(yù)測方面取得了顯著進(jìn)展，對大部分爐況運行平穩(wěn)月份的數(shù)據(jù)預(yù)測已取得令人滿意的結(jié)果。但是對于爐況運行變化劇烈的月份，使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時結(jié)果不盡人意。 本文的

2、研究工作作為遼寧省自然科學(xué)基金項目“面向復(fù)雜工業(yè)對象的預(yù)測方法研究”的一部分，主要針對波動爐況建立鐵水硅含量預(yù)測模型，重點對非平穩(wěn)時間序列以及波動爐況下鐵水硅含量數(shù)據(jù)的建模與預(yù)測方法進(jìn)行了研究。近年來，隨著具有全局最優(yōu)解和較好泛化能力的支持向量機(Support Vector Machine，SVM)理論的提出，支持向量機也被用于時間序列的預(yù)測。因此，對于爐況運行變化劇烈的月份，本文采用支持向量回歸機(Support Vector Re

3、gression，SVR)作為建立模型的基本工具。在對時間序列進(jìn)行預(yù)測時，一般做法是只建立一個模型。但是對于非平穩(wěn)的時間序列，實驗結(jié)果表明，單獨建立一個模型的結(jié)果并不如平穩(wěn)時序那樣明顯，所以本文將分解思想引入到時序預(yù)測中。首先對復(fù)雜的非平穩(wěn)時間序列進(jìn)行分解得到N個相對平穩(wěn)的分量，然后對這N個相對平穩(wěn)的分量單獨用SVR建模進(jìn)行預(yù)測，最后將得到的N個預(yù)測結(jié)果進(jìn)行組合得到最終的預(yù)測結(jié)果。更進(jìn)一步地，提出采用經(jīng)驗?zāi)Ｊ椒纸?Empirical M