版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
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ǎ⑦M(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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 時序數(shù)據(jù)挖掘技術(shù)及其在水質(zhì)預(yù)測中的應(yīng)用研究.pdf
- 非平穩(wěn)時間序列建模與預(yù)報(bào)在供水管網(wǎng)水量預(yù)測中的應(yīng)用研究.pdf
- 混合智能建模技術(shù)及其在短期負(fù)荷預(yù)測中的應(yīng)用研究.pdf
- 非平穩(wěn)時間序列建模與預(yù)測.pdf
- Hilbert-Huang變換及其在非平穩(wěn)信號分析中的應(yīng)用研究.pdf
- 智能控制在高爐爐溫預(yù)測中應(yīng)用研究.pdf
- 非平穩(wěn)信號廣義S變換及其在SAR圖像分析中的應(yīng)用研究.pdf
- 非平穩(wěn)信號處理若干方法及其在故障診斷中的應(yīng)用研究.pdf
- 極限學(xué)習(xí)機(jī)算法及其在高爐冶煉過程建模中的應(yīng)用研究.pdf
- 小波分解在非平穩(wěn)時間序列預(yù)測中的應(yīng)用.pdf
- 30372.時序—非均勻有理b樣條建模技術(shù)及其應(yīng)用
- 含非平穩(wěn)干擾的模型辨識及其在模型預(yù)測控制中的應(yīng)用.pdf
- 時間序列數(shù)據(jù)建模及其在瓦斯預(yù)測中的應(yīng)用研究.pdf
- 關(guān)聯(lián)規(guī)則挖掘在高爐爐況預(yù)測中的應(yīng)用研究.pdf
- 灰色關(guān)聯(lián)與預(yù)測建模技術(shù)及其應(yīng)用研究.pdf
- 非參數(shù)自回歸模型及其在匯率預(yù)測中的應(yīng)用研究.pdf
- 數(shù)據(jù)挖掘技術(shù)及其在稅收預(yù)測中的應(yīng)用研究.pdf
- Wiener模型建模方法及其在預(yù)測控制中的應(yīng)用研究.pdf
- wiener模型建模方法及其在預(yù)測控制中的應(yīng)用研究
- 三維地質(zhì)建模技術(shù)在裂縫預(yù)測中的應(yīng)用研究.pdf
評論
0/150
提交評論