基于能量誘導型PSO算法與LSSVM模型的鋼鐵企業(yè)高爐煤氣消耗量預測

【摘要】：針對鋼鐵企業(yè)高爐煤氣消耗量存在的波動大、隨機性強、難以預測等特點,引入能量剩余函數(shù),提出了一種與粒子自身能量相關(guān)的能量誘導型粒子群(Energy Guided Particle Swarm Optimization,EGPSO)算法。利用其對最小二乘支持向量機(Least Square Support Vector Machine,LSSVM)的參數(shù)進行優(yōu)化,最后采用優(yōu)化后的最小二乘支持向量機模型(EGPSO-LSSVM)進行高爐煤氣消耗量預測。仿真實驗表明:改進后的預測模型在平均絕對百分比誤差、均方誤差、均方百分比誤差三項指標上均優(yōu)于普通BP神經(jīng)網(wǎng)絡(luò)模型和普通最小二乘支持向量機模型,可以為高爐煤氣資源的合理使用提供依據(jù)。 【作者單位】： 天津理工大學天津市復雜系統(tǒng)控制理論與應用重點實驗室;天津農(nóng)學院;
【關(guān)鍵詞】： 高爐煤氣預測 粒子群算法 最小二乘支持向量機 參數(shù)優(yōu)化 慣性權(quán)重
【基金】：天津市科技支撐計劃項目(13ZCZDGX03800)
【分類號】：TF089;TP18
【正文快照】： 0引言高爐煤氣是鋼鐵企業(yè)生產(chǎn)過程中重要的二次能源[1]。國外大型鋼鐵企業(yè)的高爐煤氣利用率極高,如日本的新日鐵,高爐煤氣的回收利用率可達100%,基本實現(xiàn)了零放散。但在國內(nèi)的各大型鋼鐵企業(yè)中,除寶鋼外,其他鋼鐵企業(yè)的高爐煤氣回收利用效率普遍較低,相當一部分的煤氣資源被放

您可以在本站搜索以下學術(shù)論文文獻來了解更多相關(guān)內(nèi)容

鋼鐵企業(yè)高爐煤氣供需預測模型及應用    張琦;谷延良;提威;蔡九菊;

微粒群算法的參數(shù)選擇及收斂性分析    崔紅梅;朱慶保;

粒子群優(yōu)化的速度方程改進與自適應變異策略    李會榮;高岳林;

一種基于單元分類的鋼鐵企業(yè)煤氣調(diào)度模型    聶秋平;吳敏;張超;熊永華;

基于最小二乘支持向量機的焦爐煤氣柜位預測模型及應用    張曉平;趙珺;王偉;叢力群;馮為民;陳偉昌;

基于IPSO-LSSVM的風電功率短期預測研究    王賀;胡志堅;張翌暉;張子泳;張承學;

基于PSO-NP算法的廣義預測PID控制及應用    曹晉宏;李國勇;

一種改進PSO-LSSVM算法在鍋爐燃燒優(yōu)化中的應用    童曉;孫衛(wèi)紅;李強;

慣性權(quán)重粒子群算法模型收斂性分析及參數(shù)選擇    孫湘;周大為;張希望;

高爐煤氣成分過程檢測    丁元明,張學東,張宏勛

基于群智能算法無線傳感網(wǎng)絡(luò)分簇路由協(xié)議    錢昌俊;

一種基于向量差的粒子群優(yōu)化模型    王一萍;

鋼鐵企業(yè)副產(chǎn)煤氣優(yōu)化調(diào)度問題模型及算法    施燦濤;劉自升;李鐵克;王寧寧;

粒子群優(yōu)化算法中慣性權(quán)重綜述    周俊;陳璟華;劉國祥;許偉龍;

基于HP-Elman-LSSVM模型鋼鐵企業(yè)自備電廠煤氣供入量預測及優(yōu)化調(diào)度    李紅娟;王建軍;王華;孟華;

基于流程網(wǎng)絡(luò)的高爐煤氣系統(tǒng)分析    曹建全;袁貞;郝飛;姜彬;

靜止同步補償器IGBT開路故障診斷方法    楊曉冬;史麗萍;夏正龍;

大間隔分類學習研究現(xiàn)狀    潘巍;馬培軍;蘇小紅;

雙加權(quán)最小二乘支持向量機的短期風速預測    潘學萍;史宇偉;張弛;

一種改進的最小二乘孿生支持向量機分類算法    儲茂祥;王安娜;鞏榮芬;

基于PSO-BP神經(jīng)網(wǎng)絡(luò)的高爐煤氣柜位預測模型及應用    魏津瑜;張瑋;李欣;

Modeling for Penicillin Fermentation Process based on Weighted LS-SVM and Pensim    Weili Xiong;Xiao Wang;Qian Zhang;Baoguo Xu;

基于數(shù)值模擬與試驗運行數(shù)據(jù)的電站鍋爐燃燒系統(tǒng)復合建模    沙超;康俊杰;

Supervisory Predictive Control of Weighted Least Square Support Vector Machine based on Cauchy Distribution    LI Suzhen;LIU Xiangjie;YUAN Gang;

An Optimal Sparseness Approach for Least Square Support Vector Machine    Jia Luo;Shihe Chen;Le Wu;Shirong Zhang;

鋼鐵企業(yè)副產(chǎn)煤氣系統(tǒng)優(yōu)化調(diào)度研究    孔海寧

被動聲目標識別理論研究    呂艷新

改進的微粒群算法及其在結(jié)構(gòu)拓撲優(yōu)化中的應用    袁代林

節(jié)理巖質(zhì)邊坡位移反分析與穩(wěn)定性評價方法研究    漆祖芳

基于最小二乘支持向量機的鋁電解過程建模與控制研究    閻綱

核電站主控室后備盤臺人機界面建模及其優(yōu)化方法研究    許彧青

基于（多）小波（包）、神經(jīng)網(wǎng)絡(luò)及優(yōu)化的模擬電路故障診斷研究    謝濤

大流量煤氣壓力調(diào)節(jié)閥流固耦合機理及動態(tài)特性研究    曹芳

批式流加與連續(xù)發(fā)酵的非光滑動力系統(tǒng)辨識與優(yōu)化控制    沈邦玉

基于能量耗損的機械設(shè)備故障診斷理論與方法研究    肖海兵

區(qū)間自適應粒子群算法研究及其應用    姜念

基于支持向量機的網(wǎng)站發(fā)布系統(tǒng)設(shè)計與實現(xiàn)    張峰

GPU并行計算在LSSVM建模中的研究與應用    高和東

基于神經(jīng)網(wǎng)絡(luò)和群智能優(yōu)化算法的生產(chǎn)過程預警技術(shù)及其應用    劉濤

微粒群算法理論研究及其在PID參數(shù)優(yōu)化中的應用    江維

基于改進型粒子群算法的熱軋帶鋼寬度神經(jīng)網(wǎng)絡(luò)預報模型的研究    李文婷

粒子群算法改進及應用    劉洪霞

粒子群優(yōu)化算法及支持向量機應用研究    徐水華

BP神經(jīng)網(wǎng)絡(luò)的改進研究及應用    劉天舒

群智能優(yōu)化算法理論及在資源調(diào)度中的應用研究    朱孔村

寶鋼高爐煤氣系統(tǒng)平衡實踐    鄧萬里,陳偉昌

鋼鐵企業(yè)煤氣系統(tǒng)的優(yōu)化利用模型    張建良,王妤

鋼鐵企業(yè)燃氣互換性研究    張琦;蔡九菊;吳復忠;宋軍;

含風電場電力系統(tǒng)旋轉(zhuǎn)備用獲取模型    葛炬;王飛;張粒子;

短期風電功率預測誤差綜合評價方法    徐曼;喬穎;魯宗相;

風電場輸出功率超短期預測結(jié)果分析與改進    陳穎;周海;王文鵬;曹瀟;丁杰;

基于小波—BP神經(jīng)網(wǎng)絡(luò)的短期風電功率預測方法    師洪濤;楊靜玲;丁茂生;王金梅;

基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的火電廠鍋爐實時燃燒優(yōu)化系統(tǒng)    周昊,朱洪波,岑可法

基于主成分分析與前向反饋傳播神經(jīng)網(wǎng)絡(luò)的風電場輸出功率預測    張明理;楊曉亮;滕云;徐建源;林莘;

基于主成分分析與人工神經(jīng)網(wǎng)絡(luò)的風電功率預測    周松林;茆美琴;蘇建徽;

幾個預測方法及模型的研究    唐萬梅

風電功率組合預測研究    葉晨

基于人工神經(jīng)網(wǎng)絡(luò)的高爐熱狀態(tài)預測模型研究    曾燕飛

鋼鐵企業(yè)主工序分廠煤氣量預測方法研究    劉渺

濟鋼能源中心煤氣平衡預測模型研究    姜曙光

基于改進ESN的高爐煤氣系統(tǒng)預測方法的研究    時飛飛