非平穩(wěn)時序建模技術(shù)及其在高爐狀態(tài)預(yù)測中的應(yīng)用研究.pdf

1、準(zhǔn)確預(yù)測高爐冶煉過程中的各種狀態(tài)是有效控制高爐的前提。目前許多基于神經(jīng)網(wǎng)絡(luò)的高爐狀態(tài)預(yù)測系統(tǒng)，對大部分爐況變化平穩(wěn)條件下的狀態(tài)預(yù)測已達(dá)到了很高的準(zhǔn)確率。但是對于爐況波動劇烈的情況，基于神經(jīng)網(wǎng)絡(luò)的預(yù)測系統(tǒng)存在預(yù)測準(zhǔn)確率顯著下降的問題，而爐況波動下的準(zhǔn)確預(yù)測對于調(diào)整高爐的狀態(tài)、避免異常爐況具有重要的意義。因此，本論文針對這一在高爐生產(chǎn)中亟需解決的問題展開研究，重點(diǎn)研究和解決高爐狀態(tài)預(yù)測中關(guān)注較多的高爐熱狀態(tài)，即鐵水含硅量的預(yù)測問題。

2、 高爐鐵水含硅量預(yù)測可以歸結(jié)為時間序列直接多步預(yù)測問題。由于高爐冶煉過程是不斷地在正常爐況和異常爐況之間轉(zhuǎn)換的連續(xù)非線性動態(tài)生產(chǎn)過程，內(nèi)部的物理化學(xué)變化十分復(fù)雜，數(shù)據(jù)呈現(xiàn)非常明顯的非線性非平穩(wěn)變化特征。因此，本論文將研究重點(diǎn)放在非線性非平穩(wěn)時間序列預(yù)測中的若干關(guān)鍵問題上，探討了基于支持向量回歸的預(yù)測方法，針對支持向量回歸建模中的一系列關(guān)鍵問題提出了新的解決方案，并將其應(yīng)用在高爐鐵水含硅量預(yù)測上，取得了很好的效果。具體研究內(nèi)容包括：非線性

3、時間序列預(yù)測建模方法選擇的研究，面向時間序列預(yù)測的支持向量回歸模型的研究，支持向量回歸建模參數(shù)選擇方法的研究，非線性時間序列相空間重構(gòu)方法的研究，基于EMD(Empirical Mode Decomposition)的非平穩(wěn)時間序列預(yù)測建模研究，基于組合SVR(Support Vector Machines forRegression)的非線性時間序列模糊建模方法研究，基于二維分解的非線性非平穩(wěn)時間序列預(yù)測建模方法研究，以及非線性非平穩(wěn)

4、時間序列預(yù)測建模方法在高爐鐵水含硅量預(yù)測中的應(yīng)用研究。 在非線性時間序列預(yù)測方法選擇的研究中，對于被普遍采用的神經(jīng)網(wǎng)絡(luò)建模方法和新近出現(xiàn)的支持向量機(jī)方法，在小樣本擬合與預(yù)測能力、泛化推廣能力、多步預(yù)測能力、全局最優(yōu)性能以及模型參數(shù)選擇等方面進(jìn)行了詳細(xì)的分析與比較，充分闡明了基于支持向量回歸方法來進(jìn)行非線性非平穩(wěn)時序預(yù)測和爐況波動情況下的鐵水含硅量預(yù)測的理由和依據(jù)。 在面向時間序列預(yù)測的支持向量回歸模型的研究中，針對時間序

5、列數(shù)據(jù)的特點(diǎn)，對傳統(tǒng)的支持向量回歸模型進(jìn)行了改進(jìn)，給出了改進(jìn)的支持向量回歸機(jī)的目標(biāo)函數(shù)及優(yōu)化問題描述，并提出一種按照距待測點(diǎn)距離進(jìn)行指數(shù)加權(quán)的模型參數(shù)加權(quán)方法。在支持向量回歸建模的參數(shù)選擇方法研究中，在分析了現(xiàn)有支持向量機(jī)參數(shù)選擇方法的基礎(chǔ)上，提出了一種ε-力口權(quán)支持向量回歸機(jī)與改進(jìn)的交叉驗(yàn)證方法相結(jié)合的SVR參數(shù)選擇方法。 在非線性時間序列相空間重構(gòu)方法的研究中，針對目前非線性時間序列相空間重構(gòu)中存在的問題，提出一種基于核主成

6、分分析與相關(guān)分析相結(jié)合的相空間重構(gòu)方法，解決了非線性時間序列建模前的特征選擇與抽取問題。 在基于EMD的非平穩(wěn)時間序列預(yù)測建模研究中，針對時間序列的非平穩(wěn)特征，提出了一種基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾慕７椒ǎ⑦M(jìn)一步提出對于分量預(yù)測結(jié)果進(jìn)行SVR組合的方法。 在基于組合SVR的非線性時間序列模糊建模方法研究中，針對時間序列數(shù)據(jù)隨時間變化不一致的特性，提出了一種基于模糊分塊的多SVR組合建模方法，并進(jìn)一步將模糊分塊的信息與ε-加權(quán)支

7、持向量回歸機(jī)有機(jī)地結(jié)合起來，提出一種ε加權(quán)方法。 在基于EMD預(yù)測建模和基于組合SVR的模糊建模的基礎(chǔ)上，進(jìn)一步提出基于二維分解的非線性非平穩(wěn)時間序列預(yù)測建模方法，并提出了一種局部時序數(shù)據(jù)相似性匹配的測度和算法，闡明了基于這種二維分解模型進(jìn)行預(yù)測的方法和步驟。 最后，在對現(xiàn)場采集的高爐數(shù)據(jù)進(jìn)行預(yù)處理的基礎(chǔ)上，將上面提出的非線性非平穩(wěn)時間序列預(yù)測建模中的一系列解決方案和方法應(yīng)用于高爐鐵水含硅量預(yù)測，并與其它的鐵水含硅量預(yù)測