面向波動(dòng)爐況的高爐鐵水硅含量預(yù)測(cè)方法研究.pdf

1、準(zhǔn)確預(yù)測(cè)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(cè)得的信息十分有限，所以高爐鐵水硅含量的預(yù)測(cè)屬于時(shí)間序列預(yù)測(cè)問題中比較復(fù)雜的非平穩(wěn)時(shí)間序列預(yù)測(cè)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(cè)方面取得了顯著進(jìn)展，對(duì)大部分爐況運(yùn)行平穩(wěn)月份的數(shù)據(jù)預(yù)測(cè)已取得令人滿意的結(jié)果。但是對(duì)于爐況運(yùn)行變化劇烈的月份，使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)時(shí)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(xiàng)目“面向復(fù)雜工業(yè)對(duì)象的預(yù)測(cè)方法研究”的一部分，主要針對(duì)波動(dòng)爐況建立鐵水硅含量預(yù)測(cè)模型，重點(diǎn)對(duì)非平穩(wěn)時(shí)間序列以及波動(dòng)爐況下鐵水硅含量數(shù)據(jù)的建模與預(yù)測(cè)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(jī)(Support Vector Machine，SVM)理論的提出，支持向量機(jī)也被用于時(shí)間序列的預(yù)測(cè)。因此，對(duì)于爐況運(yùn)行變化劇烈的月份，本文采用支持向量回歸機(jī)(Support Vector Re

3、gression，SVR)作為建立模型的基本工具。在對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)時(shí)，一般做法是只建立一個(gè)模型。但是對(duì)于非平穩(wěn)的時(shí)間序列，實(shí)驗(yàn)結(jié)果表明，單獨(dú)建立一個(gè)模型的結(jié)果并不如平穩(wěn)時(shí)序那樣明顯，所以本文將分解思想引入到時(shí)序預(yù)測(cè)中。首先對(duì)復(fù)雜的非平穩(wěn)時(shí)間序列進(jìn)行分解得到N個(gè)相對(duì)平穩(wěn)的分量，然后對(duì)這N個(gè)相對(duì)平穩(wěn)的分量單獨(dú)用SVR建模進(jìn)行預(yù)測(cè)，最后將得到的N個(gè)預(yù)測(cè)結(jié)果進(jìn)行組合得到最終的預(yù)測(cè)結(jié)果。更進(jìn)一步地，提出采用經(jīng)驗(yàn)?zāi)Ｊ椒纸?Empirical M