典型文献
基于时序模型的高炉煤气发生量多步预测对比
文献摘要：
为准确预测高炉正常工况及变工况(如休风、减产、停产等)条件下的煤气发生量,采用长短记忆模型(LSTM)和季节性差分自回归模型(SARIMA)预测了不同工况下的高炉煤气发生量.对比了正常工况下两模型不同预测步数的预测效果,发现随着预测步数的增加,两模型预测精度总体呈减小趋势,并且LSTM模型的预测精度普遍高于SARIMA模型;为提高模型精度,还对比了 30步预测条件下不同输入样本量对模型的预测影响,结果表明,SARIMA模型最佳输入样本量为200个左右,对应平均相对误差为0.057 0,LSTM模型最佳输入样本量为100个左右,对应平均相对误差为0.042 8,因此,正常工况下LSTM模型预测效果更好;而变工况条件下SARIMA模型效果更好,SARIMA模型的平均相对误差为0.069 4,LSTM模型为0.094 0.结合两模型的优势,建立了梯度驱动时序预测复合模型,该模型在复合工况下30步预测平均相对误差为0.060 1,均低于两模型单独使用时的误差,因此在现场运行时,建议使用梯度驱动时序预测复合模型进行预测,这为高炉煤气调控提供了更好的数据支持,合理分配煤气提高煤气利用率,减小煤气放散.
文献关键词：
高炉煤气预测;时序预测;长短记忆模型;季节性差分自回归移动平均;多步预测
中图分类号：
作者姓名：
包向军;翁思浩;陈光;汪晶;陈谞;谢竟成
作者机构：
安徽工业大学能源与环境学院,安徽马鞍山243000;上海宝信软件股份有限公司,上海201203
文献出处：
引用格式：
[1]包向军;翁思浩;陈光;汪晶;陈谞;谢竟成-.基于时序模型的高炉煤气发生量多步预测对比)[J].钢铁,2022(09):166-172
A类：
长短记忆模型,高炉煤气预测
B类：
时序模型,发生量,多步预测,准确预测,测高,变工况,休风,减产,停产,自回归模型,SARIMA,不同工况,步数,模型精度,样本量,平均相对误差,工况条件,驱动时序,时序预测,复合模型,复合工况,气调,合理分配,配煤,煤气利用率,煤气放散,季节性差分自回归移动平均
AB值：
0.25858
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
